微客导航 » 文章资讯 » Python爬虫之xlml解析库(全面了解)

Python爬虫之xlml解析库(全面了解)

2023-09-26 21:58:06 193

1.Xpath

Xpath是一门在XML中查找信息的语言，可用来在XML文档中对元素和属性进行遍历。XQuery和xpoint都是构建于xpath表达之上

2.节点

父（parent），子（children），兄弟（sibling），先辈（ancetstor），后代（Decendant）

3.选取节点

路径表达式

表达式描述路径表达式结果 nodename 选取此节点上的所有的子节点 bookstore 选取bookstore元素的所有子节点 / 从根节点上选取 /bookstore 选取根元素bookstore，为绝对路径 // 从匹配选择的当前节点选择文档中的节点，不考虑位置 //book 选取所有的book子元素，而不管他们在文档的位置 . 选取当前节点 bookstore//book 选择bookstore后代中所有的book元素 .. 选取当前节点的父节点 @ 选取属性 //@lang 选取名为lang的所有属性

谓语

谓语用来查找某个特定的节点或者包含某个指定的值的节点

谓语被嵌在方括号中

路径表达式结果 /bookstore/book[1] 选取属于bookstore子元素的第一个book元素 /bookstore/book[last()] 选取属于bookstore子元素的最后book元素 /bookstore/book[last()-1] 选取属于bookstore子元素的倒数第二个book元素 /bookstore/book[position()<3] 选取最前面的两个属于bookstore元素的子元素的book元素 //title[@lang='eng'] 选取所有的title元素，并且这些元素拥有值为eng的lang属性 /bookstore/book[price>35.0] 选取bookstore元素的所有book元素，且其中的price值大于35.0

选取未知节点（通配符）

*匹配任何元素节点

@*匹配任何属性节点

node（）匹配任何类型的节点

4.lxml用法

#!/usr/bin/python
#_*_coding:utf-8_*_

fromlxmlimportetree

text='''


firstitem
seconditem
thirditem
fourthitem
fifthitem


'''

#html=etree.HTML(text)#html对象，存储在地址中，有自动修正功能
#result=etree.tostring(html)#将html对象转化为字符串

html=etree.parse('hello.html')
#result=etree.tostring(html,pretty_print=True)
#printresult
printtype(html)
result=html.xpath('//li')
printresult
printlen(result)
printtype(result)
printtype(result[0])
printhtml.xpath('//li/@class')#获取li标签下的所有的class
printhtml.xpath('//li/a[@href="link1.html"rel="externalnofollow"rel="externalnofollow"]')#获取li标签下href为link1的标签
printhtml.xpath('//li//span')#获取li标签下所有的span标签
printhtml.xpath('//li[last()-1]/a')[0].text#获取倒数第二个元素的内容

以上这篇Python爬虫之xlml解析库(全面了解)就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持毛票票。

返回顶部
3162201930
czq8825@qq.com

Python爬虫之xlml解析库(全面了解)

热门推荐

随机推荐