Python检查xpath和csspath表达式是否合法

在做一个可视化配置爬虫项目时，需要配置爬虫的用户自己输入xpath和csspath路径以提取数据或做浏览器操作。考虑到用户的有时会输入错误的xpath或csspath路径，后台需要对其做合法性校验。

xpath有效性校验

对于xpath的有效性检验，使用第三方lxml模块中的etree.XPathEvalError进行校验。不得不说lxml是一个解析爬虫数据的利器，当etree.xpath()遇到不合法的xpath路径时会抛出XPathEvalError错误。

代码如下：

from lxml import etree from StringIO import StringIO def _validXpathExpression(xpath): """ 检查xpath合法性 :param xpath: :return: """ tree = etree.parse(StringIO('<foo><bar></bar></foo>')) try: tree.xpath(xpath) return True except etree.XPathEvalError, e: return False

只有当输入的xpath路径合法时返回True。
验证：

>>>print _validXpathExpression('./div[@class="name"]/a/text()') >>>True >>> >>>print _validXpathExpression('./div(@class="name")') >>>False csspath有效性检验

对于csspath检验的思路时，借助Python标准库cssselect的css_to_xpath()方法。当输入的csspath不合法时会抛出SelectorError错误。

代码如下:

from cssselect.parser import SelectorError from cssselect.xpath import HTMLTranslator def _validCssExpression(css): """ 检查css合法性 :param css: :return: """ try: HTMLTranslator().css_to_xpath(css) return True except SelectorError, e: return False

只有当输入的csspath路径合法时返回True。
验证：

>>>print _validCssExpression('.content>a') >>>True >>> >>>print _validCssExpression('.content>a[123]') >>>False

本文永久更新链接地址：