欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

python中l(wèi)xml庫之etree使用步驟詳解

 更新時間：2025年03月13日 11:02:57   作者：閑人陳二狗  
這篇文章主要介紹了python中l(wèi)xml庫之etree使用的相關(guān)資料,lxml庫中的etree模塊提供了一個簡單而靈活的API來解析和操作XML/HTML文檔,文中通過代碼介紹的非常詳細(xì),需要的朋友可以參考下

一、 etree 介紹

lxml 庫是 Python 中一個強(qiáng)大的 XML 處理庫，簡單來說，etree 模塊提供了一個簡單而靈活的API來解析和操作 XML/HTML 文檔。

  • 官方網(wǎng)址：The lxml.etree Tutorial
  • 安裝：pip install lxml

二、xpath 解析 html/xml

1、第一步就是使用 etree 連接 html/xml 代碼/文件。

語法：

  • root = etree.XML(xml代碼) #xml 接入
  • root = etree.HTML(html代碼) #html 接入
  • 引入 from lxml import etree
from lxml import etree

root = etree.XML("<root>data</root>")
print(root.tag)
#root
print(etree.tostring(root))
#b'<root>data</root>'
 
root = etree.HTML("<p>data</p>")
print(root.tag)
#html
print(etree.tostring(root))
#b'<html><body><p>data</p></body></html>'

2、 xpath 表達(dá)式定位

xpath 使用路徑表達(dá)式在 HTML/XML 文檔中選取節(jié)點。節(jié)點是通過沿著路徑或者 step 來選取的。 下面列出了最有用的路徑表達(dá)式：

表達(dá)式描述
/從根節(jié)點選?。ㄈ∽庸?jié)點）
//任意節(jié)點，不考慮位置（取子孫節(jié)點）
.選取當(dāng)前節(jié)點
…選取當(dāng)前節(jié)點的父節(jié)點
@選取屬性
contain(@屬性，“包含的內(nèi)容”)模糊查詢
text()文本內(nèi)容

① xpath結(jié)合屬性定位

  • html.xpath(“.//標(biāo)簽名[@屬性=‘屬性值’]”) #注意，這返回的是列表！！
  • [] ：表示要根據(jù)屬性找元素
  • @ ：后邊跟屬性的key,表示要通過哪個屬性定位
from lxml import etree
 
ht = """<html>
  <head>
    <title>This is a sample document</title>
  </head>
  <body>
    <h1 class="title">Hello!</h1>
    <p>This is a paragraph with <b>bold</b> text in it!</p>
    <p>This is another paragraph, with a
      <a  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow" >link</a>.</p>
    <p>Here are some reserved characters: &lt;spam&amp;egg&gt;.</p>
    <p>And finally an embedded XHTML fragment.</p>
  </body>
</html>"""
 
html = etree.HTML(ht)
 
title = html.xpath(".//h1[@class='title']")[0] #取列表中的第一個元素
print(etree.tostring(title))
#b'<h1 class="title">Hello!</h1>\n    '
print(title.get('class'))
# title

② xpath文本定位及獲取

  • ele = html.xpath(“.//標(biāo)簽名[text()=‘文本值’]”)[0]
  • text1 = ele.text #獲取元素文本1，ele為定位后的元素
  • text2 = html.xpath(“string(.//標(biāo)簽名[@屬性=‘屬性值’])”) #獲取元素文本2，返回文本
  • text3 = html.xpath(“.//標(biāo)簽名[@屬性=‘屬性值’]/text()”) #獲取元素文本3，返回文本列表
title1 = html.xpath(".//h1[text()='Hello!']")[0] #取列表中的第一個元素
text1 = title1.text
print(text1)
#Hello!
text2 = html.xpath("string(.//h1[@class='title'])")
print(text2)
#Hello!
text3 = html.xpath(".//h1[@class='title']/text()") #返回列表
print(text3)
#['Hello!']

③ xpath層級定位

實際開發(fā)時，若需求元素沒有像 id、name、class 等基本屬性，那么我們就需要借助相鄰的元素定位，首先我們可以定位到相鄰元素，然后通過層級關(guān)系來定位最終元素。

  • html.xpath(“.//父元素標(biāo)簽名[@父元素屬性=‘父元素屬性值’]/子元素標(biāo)簽名”) #由上到下的層級關(guān)系，目標(biāo)是子元素
  • html.xpath(“.//子元素標(biāo)簽名[@子元素屬性=‘子元素屬性值’]/parent::父元素標(biāo)簽名”) #父子元素定位，目標(biāo)是父元素在這里插入代碼片
  • html.xpath(“.//元素標(biāo)簽名[@元素屬性=‘元素屬性值’]//preceding-sibling::哥哥元素標(biāo)簽名”) #哥哥元素定位，目標(biāo)是哥哥元素
  • html.xpath(“.//元素標(biāo)簽名[@元素屬性=‘元素屬性值’]//following-sibling::弟弟元素標(biāo)簽名”) #弟弟元素定位，目標(biāo)是弟弟元素
from lxml import etree
 
ht = """<html>
  <head>
    <title>This is a sample document</title>
  </head>
  <body>
    <h1 class="title">Hello!</h1>
    <p>This is a paragraph with <b>bold</b> text in it!</p>
    <p class="para">This is another paragraph, with a
      <a  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow" >link</a>.</p>
    <p>Here are some reserved characters: <spam&egg>.</p>
    <p>And finally an embedded XHTML fragment.</p>
  </body>
</html>"""
 
html = etree.HTML(ht)
 
 
ele1 = html.xpath(".//p[@class='para']/a")[0] #由上到下的層級關(guān)系
print(etree.tostring(ele1))
#b'<a  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow" >link</a>.'
 
ele2 = html.xpath(".//a[@)[0]#父子元素定位
print(etree.tostring(ele2))
#b'<p class="para">This is another paragraph, with a\n      <a  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow" >link</a>.</p>\n    '
 
ele3 = html.xpath(".//p[@class='para']//preceding-sibling::p")[0] #哥哥元素定位
print(etree.tostring(ele3))
#b'<p>This is a paragraph with <b>bold</b> text in it!</p>\n    '
 
ele4 = html.xpath(".//p[@class='para']//following-sibling::p") #弟弟元素定位
for ele in ele4:
    print(etree.tostring(ele))
    #b'<p>Here are some reserved characters: <spam&egg>.</p>\n    '
    #b'<p>And finally an embedded XHTML fragment.</p>\n  '

④ xpath索引定位

etree 結(jié)合 xpath 進(jìn)行索引定位主要有兩種方式，主要是因為 html.xpath() 返回的是一個列表。

  • html.xpath(“xpath表達(dá)式”)[0] #獲取列表中第一個元素
  • html.xpath(“xpath表達(dá)式”)[-1] #獲取列表中最后一個元素
  • html.xpath(“xpath表達(dá)式”)[-2] #獲取列表中倒數(shù)第二個元素
ele1 = html.xpath(".//body/p")[0]
print(etree.tostring(ele1))
#b'<p>This is a paragraph with <b>bold</b> text in it!</p>\n    '
 
ele1 = html.xpath(".//body/p")[-1]
print(etree.tostring(ele1))
#b'<p>And finally an embedded XHTML fragment.</p>\n  '

語法2：

  • html.xpath(“xpath表達(dá)式[1]”)[0] #獲取第一個元素

  • html.xpath(“xpath表達(dá)式[last()]”)[0] #獲取最后一個元素

  • html.xpath(“xpath表達(dá)式[last()-1]”)[0] #獲取倒數(shù)第二個元素

     注：與python列表索引的概念不同，xpath 的標(biāo)簽索引是從1開始；python列表的索引是從0開始。

⑤ xpath模糊匹配

有時會遇到屬性值過長的情況，此時我們可以通過模糊匹配來處理，只需要屬性值的部分內(nèi)容即可。

  • html.xpath(“.//標(biāo)簽名[start-with(@屬性, ‘屬性值開頭’)]”) #匹配開頭

  • html.xpath(“.//標(biāo)簽名[ends-with(@屬性, ‘屬性值結(jié)尾’)]”) #匹配結(jié)尾

  • html.xpath(“.//標(biāo)簽名[contains(text(), ‘部分文本’)]”) #包含部分文本

     注：ends-with方法是 xpath 2.0 的語法，而 etree 只支持 xpth 1.0，所以可能不會成功。

ele1 = html.xpath(".//p[starts-with(@class,'par')]")[0] #匹配開頭
print(etree.tostring(ele1))
#b'<p class="para">This is another paragraph, with a\n      <a  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow" >link</a>.</p>\n    '
 
ele2 = html.xpath(".//p[ends-with(@class, 'ara')]")[0] #匹配結(jié)尾
print(etree.tostring(ele2))
 
ele3 = html.xpath(".//p[contains(text(),'is a paragraph with')]")[0] #包含“is a paragraph with”
print(etree.tostring(ele3))
#b'<p>This is a paragraph with <b>bold</b> text in it!</p>\n    '

總結(jié)

到此這篇關(guān)于python中l(wèi)xml庫之etree使用步驟的文章就介紹到這了,更多相關(guān)python lxml庫etree使用內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

相關(guān)文章

  • 如何用Python繪制棒棒糖圖表

    如何用Python繪制棒棒糖圖表

    這篇文章主要介紹了如何用Python繪制棒棒糖圖表，幫助大家更好的理解和學(xué)習(xí)使用python，感興趣的朋友可以了解下
    2021-05-05
  • Python編碼時應(yīng)該注意的幾個情況

    Python編碼時應(yīng)該注意的幾個情況

    對于Python程序員，你需要注意一下本文所提到的這些事情。你也可以看看Zen of Python（Python之禪），這里面提到了一些注意事項，并配以示例，可以幫助你快速提高
    2013-03-03
  • Python中使用pip換源的流程分析

    Python中使用pip換源的流程分析

    pip是一個用于安裝、升級和管理Python庫的工具,它允許你從Python包索引（PyPI）下載和安裝第三方庫,在Python開發(fā)過程中,我們經(jīng)常需要安裝各種第三方庫,本文給大家分享Python中使用pip換源的詳細(xì)指南,感興趣的朋友一起看看吧
    2024-12-12
  • 解決使用openpyxl時遇到的坑

    解決使用openpyxl時遇到的坑

    這篇文章主要介紹了解決使用openpyxl時遇到的坑，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧
    2021-03-03
  • 基于Python代碼編輯器的選用(詳解)

    基于Python代碼編輯器的選用(詳解)

    下面小編就為大家?guī)硪黄赑ython代碼編輯器的選用(詳解)。小編覺得挺不錯的，現(xiàn)在就分享給大家，也給大家做個參考。一起跟隨小編過來看看吧
    2017-09-09
  • python線程啟動的四種方式總結(jié)

    python線程啟動的四種方式總結(jié)

    這篇文章主要給大家介紹了關(guān)于python線程啟動的四種方式,線程可以完成一定任務(wù),可以和其它線程共享父進(jìn)程的共享變量和部分環(huán)境,相互協(xié)作來完成任務(wù),需要的朋友可以參考下
    2024-01-01
  • django接入新浪微博OAuth的方法

    django接入新浪微博OAuth的方法

    這篇文章主要介紹了django接入新浪微博OAuth的方法,實例分析了django針對新浪微博OAuth接口的接入技巧,需要的朋友可以參考下
    2015-06-06
  • python3.6 如何將list存入txt后再讀出list的方法

    python3.6 如何將list存入txt后再讀出list的方法

    這篇文章主要介紹了python3.6 如何將list存入txt后再讀出list的方法，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
    2019-07-07
  • Python計算指定日期是今年的第幾天(三種方法)

    Python計算指定日期是今年的第幾天(三種方法)

    這篇文章主要介紹了Python三種方法計算指定日期是今年的第幾天,本文通過實例代碼給大家介紹的非常詳細(xì)，對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值，需要的朋友可以參考下
    2020-03-03
  • Python描述數(shù)據(jù)結(jié)構(gòu)學(xué)習(xí)之哈夫曼樹篇

    Python描述數(shù)據(jù)結(jié)構(gòu)學(xué)習(xí)之哈夫曼樹篇

    這篇文章主要給大家介紹了關(guān)于Python描述數(shù)據(jù)結(jié)構(gòu)學(xué)習(xí)之哈夫曼樹篇的相關(guān)資料，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
    2020-09-09

最新評論