lxml

LXML kombinerer hastigheden af ​​disse biblioteker med enkelheden i Python sproget.
Kompatibel med alle CPython versioner 2,4-3,2

Hvad er nyt i denne udgivelse:.

• lxml.html.iterlinks nu returnerer links inde meta refresh tags.
• Ny XMLParser option collect_ids = False at deaktivere ID hashtabel skabelse. Dette kan væsentligt hurtigere parsing af dokumenter med mange forskellige ID'er, der ikke anvendes.
• parser bruger per-dokument hash tabeller for XML-id'er. Dette reducerer belastningen af ​​det globale parser dict og fremskynder parsing til dokumenter med mange forskellige id'er.
• ElementTree.getelementpath (element) giver en strukturel ElementPath udtryk for det givne element, som kan anvendes til opslag senere.
• xmlfile () accepterer et nyt argument tæt = True at lukke fil (-lignende) objekter efter at have skrevet til dem. Før, xmlfile () kun lukket filen, hvis det havde åbnet det internt.
• Tillad & quot; bytearray & quot; type til input ASCII tekst.

Hvad er nyt i version 3.4.2:

• lxml.html.iterlinks nu returnerer links inde meta genopfriske tags.
• Ny XMLParser option collect_ids = False at deaktivere ID hashtabel skabelse. Dette kan væsentligt hurtigere parsing af dokumenter med mange forskellige ID'er, der ikke anvendes.
• parser bruger per-dokument hash tabeller for XML-id'er. Dette reducerer belastningen af ​​det globale parser dict og fremskynder parsing til dokumenter med mange forskellige id'er.
• ElementTree.getelementpath (element) giver en strukturel ElementPath udtryk for det givne element, som kan anvendes til opslag senere.
• xmlfile () accepterer et nyt argument tæt = True at lukke fil (-lignende) objekter efter at have skrevet til dem. Før, xmlfile () kun lukket filen, hvis det havde åbnet det internt.
• Tillad & quot; bytearray & quot; type til input ASCII tekst.

Hvad er nyt i version 3.3.2:

• De egenskaber resolvere og versionen, samt metoder set_element_class_lookup () og makeelement (), blev tabt fra iterparse objekter.
• Tilfælde af XMLSchema, schematron og RelaxNG ikke rydde deres lokale error_log, før du kører en validering.
• lxml.doctestcompare blandet op & quot; forventet & quot; og & quot; faktiske & quot; i attributværdier.

Hvad er nyt i version 3.3.1:

• Bugs fast:
• HTML-dokumenter parsede med parser.feed () undladt at finde elementer under tag iteration.
• Building i PYPY mislykkedes på grund af manglende støtte til PyUnicode_Compare () og PyByteArray _ * () i PYPY s C-API.
• Compilation i MSVC mislykkedes på grund af manglende & quot; stdint.h & quot; standard header fil.
• iterparse () undlod at parse BOM præfiks filer.

Hvad er nyt i version 3.3.0:

• Bugs fast:
• heuristisk der adskiller filstier fra URL'er blev strammet til at producere mindre falsk negative.

Hvad er nyt i version 3.2.3:

• Fast støtte til Python 2.4, som blev tabt i 3.2 .2.

Hvad er nyt i version 3.2.1:

• De metoder apply_templates () og process_children () i XSLT extension elementer har fået to nye boolean muligheder elements_only og remove_blank_text at kassere enten alle strenge eller blanke-only strenge fra resultatlisten.

Hvad er nyt i version 3.2.0:

• Førende mellemrum kunne ændre adfærd strengen parsing funktioner i lxml.html.
• Strengen parsing funktioner i lxml.html er mere robuste over for ualmindelige HTML-indhold som framesets eller mangler krop tags.
• I / O fejl under forsøget på at få adgang til filer med stier, der indeholder ikke-ASCII-tegn kunne øge UnicodeDecodeError stedet for korrekt rapportering IOError.
• Tolker fra in-memory strings deaktiveret netadgang i standard parser og gjort efterfølgende forsøg på at parse fra en URL mislykkes.

Hvad er nyt i version 3.1.2:

• Passing attributter gennem namespace-uvidende API af sax bro (dvs. handler.startElement () metode) mislykkedes med en TypeError.
• Fast serialisering fejl i XSLT output ved konvertering resultatet træ til en Unicode-streng.

Hvad er nyt i version 3.0.2:

• Fast nedbrud under tolk nedlukning ved at skifte til Cython 0,17 .3 for bygningen.

Hvad er nyt i version 3.0:

• C14N tillader angivelse af de inklusive præfikser at blive forfremmet til top- niveau i eksklusiv serialisering.
• Initial støtte til opbygning i PYPY (gennem cpyext).
• vundet DTD objekter et API, der giver læseadgang til deres erklæringer.
• xpathgrep.py vundet støtte til parsing linje for linje (fx fra grep output), og for omkring output med en ny rod tag.
• E-fabrik i lxml.builder accepterer undertyper af kendte datatyper (såsom string undertyper), når man bygger elementer omkring dem.
• Tree iteration og iterparse () med en selektiv tag argument understøtter passerer et sæt tags. Tree noder vil blive returneret ved iteratorer hvis de svarer til nogen af ​​de tags.

Hvad er nyt i version 2.3.5:

• Crash når sammenlægning tekst knudepunkter i element.remove ( ).
• Crash i sax / target parser ved indberetning tom doctype.

Hvad er nyt i version 2.3.4:

• Crash når bygningen en nsmap (Element ejendom) med tomme namespace URI'er.
• Crash grundet race condition, når fejl (eller bruger-meddelelser) forekomme under gevind XSLT forarbejdning.
• XSLT stylesheet kompilering kunne ignorere kompilering fejl.

Hvad er nyt i version 2.3.3:

• Features tilføjes:
• lxml.html.tostring () fået nye serialisering muligheder with_tail og doctype.
• Bugs fast:
• Rettet et nedbrud, når du bruger iterparse () til HTML parsing og anmoder om start-arrangementer.
• Fast parsing af flere selektorer i cssselect. Mellemrum før pseudo-elementer og pseudo-klasser er vigtig, da det er en efterkommer combinator. & Quot; E: pseudo & quot; bør parse det samme som & quot; E *: pseudo & quot ;, ikke & quot; E:. pseudo & quot;
• lxml.html.diff ikke længere rejser en undtagelse, når den rammer "img tags uden 'src' attribut.

Hvad er nyt i version 2.3.2:

• Features tilføjes:
• lxml.objectify.deannotate () har en ny boolean mulighed cleanup_namespaces at fjerne de objektivere namespace erklæringer (og generelt rydde op i namespace erklæringer) efter fjernelse af typen anmærkninger.
• lxml.objectify fik sin egen delelement () funktion som en kopi af etree.SubElement at undgå en ellers overflødige import af lxml.etree på brugerens side.
• Bugs fast:
• Fast & quot; efterkommer & quot; fejl i cssselect en anden gang (efter en første fix i LXML 2.3.1). Den tidligere ændring resulterede i en alvorlig præstation regression for XPath baserede evaluering af den oversatte udtryk. Bemærk, at dette bryder brugen af ​​nogle af de genererede XPath udtryk som XSLT placering stier, der tidligere har arbejdet i 2.3.1.
• Fast parsing af nogle vælgere i cssselect. Mellemrum efter combinators & quot; & # x3e; & quot ;, & quot; + & quot; og & quot; ~ & quot; er nu korrekt ignoreret. Tidligere er blev tolkes som en efterkommer combinator. For eksempel, & quot; div & # x3e; .foo & quot; blev analyseret på samme måde som & quot; div & # x3e * .foo & quot; i stedet for & quot; div & # x3e; .foo & quot;.

Hvad er nyt i version 2.3.1:

• Features tilføjes:
• Ny mulighed kill_tags i lxml.html.clean at fjerne bestemte tags og deres indhold (dvs. hele deres undertræ).
• pi.get () og pi.attrib på behandlingsinstruktioner at parse pseudo-attributter fra teksten indholdet af behandlingsinstruktioner.
• lxml.get_include () returnerer en liste over omfatter stier, der kan bruges til at kompilere ekstern C-kode mod lxml.etree. Dette specielt kræves for statisk forbundet LXML bygger, når kode skal kompilere mod præcis de samme header filversioner som LXML sig selv.
• Resolver.resolve_file () tager en ekstra mulighed close_file der konfigurerer hvis filen (-lignende) objekt vil blive lukket efter at have læst eller ej. Som standard, vil filen blive lukket, da brugeren ikke forventes at holde en henvisning til den.
• Bugs fast:
• HTML rengøring ikke fjerne 'data: ". Links
• html5lib parser integration bruger nu den 'officielle' implementering i html5lib selv, hvilket gør det til at fungere med nyere versioner af biblioteket.
• I lxml.sax, kunne endElementNS () fejlagtigt afviser en almindelig tag navn, når den tilsvarende starten begivenhed udledte samme almindeligt tag navn til at være i standard navnerummet.
• Når en åben fil-lignende objekt ledes ind parse () eller iterparse (), vil parseren ikke længere tæt det efter brug. Dette reverterer en ændring i LXML 2.3, hvor alle filer ville være lukket. Det er brugernes ansvar at korrekt lukke filen (-lignende) objekt, også i fejl tilfælde.
• Assertion fejl i lxml.html.cleaner når de skiller top-niveau elementer.
• I lxml.cssselect bruge XPath »A // B (forkortelse for» A / efterkommer-eller-selv :: node () / B ') i stedet for »A / efterkommer :: B« for css efterkommer selector (»A B '). Dette gør et par kant tilfælde at være i overensstemmelse med vælgeren adfærd i WebKit og Firefox, og gør flere css udtryk gyldige placering stier (til brug i xsl: template match).
• I lxml.html, ikke-valgte & # X3C; option & # x3e; tags ikke længere dukke op i de indsamlede danner værdier.
• Tilføjelse / fjernelse & # X3C; option & # x3e; værdier til / fra en udvalgt formularfelt multiple ordentligt vælger dem og Afmarkerer dem.
• Andre ændringer:
• Static bygger kan angive download mappe med --download-dir mulighed.

Hvad er nyt i version 2.3:

• Features tilføjes:
• Når man ser for børn, lxml.objectify tager '{} tag' som betyder en tom namespace, i modsætning til den forælder namespace.
• Bugs fast:
• Når færdig med at læse fra en fil-lignende objekt, parseren straks kalder sin .Luk () metode.
• Når du er færdig parsing, iterparse () umiddelbart lukker inddatafilen.
• Work-around for libxml2 bug, der kan forlade HTML parser i en ikke-funktionel tilstand efter parsing et alvorligt brudt dokument (fast i libxml2 2.7.8).
• Marque tag i HTML oprydning kode er opkaldt lysavis korrekt.
• Andre ændringer:
• Nogle offentlige funktioner i Cython-niveau C-API har mere eksplicitte afkast typer.

Hvad er nyt i version 2.3beta1:

• Bugs fast:
• Crash i nyere libxml2 versioner, når du flytter elementer mellem dokumenter, der havde attributter på udskiftede XInclude noder.
• XMLID () funktion manglede de valgfri parser og base_url- parametre.
• Søgning efter wildcard tags i iterparse () blev brudt i Py3.
• lxml.html.open_in_browser () virkede ikke i Python 3 på grund af brugen af ​​os.tempnam. Det tager nu en valgfri "kodning" parameter.