当前第2页 返回上一页

XML 素材：http://www.cnblogs.com/zhangboblogs/p/10114698.htm
除了直接读取字符串，lxml 还支持从文件里读取内容。我们新建一个 hello.html 文件，再利用 etree.parse()方法来读取文件。
注意：从文件中读取数据，要求文件内容符合 xml 格式，如果标签缺失，则不能正常读取。

四、XPath 节点信息解析：

# 安装lxml: pip install lxml

# 1. 导入etree: 两种导入方式

# 第一种: 直接导入

from lxml import etree

# 注意: 此种导入方式,可能会导致报错(etree下面会出现红色波浪线,不影响正常使用)

# 第二种:

# from lxml import html

# etree = html.etree

str ='<bookstore>'\

            '<book>'\

                '<title src="https://www.baidu.com">Harry Potter</title>'\

                '<price>29.99</price>'\

            '</book>'\

            '<book>'\

                '<title>Learning XML</title>'\

                '<price>39.95</price>'\

            '</book>'\

            '<book>'\

                '<title>西游记</title>'\

                '<price>69.95</price>'\

            '</book>'\

            '<book>'\

                '<title src="https://www.jd.com">水浒传</title>'\

                '<price>29.95</price>'\

            '</book>'\

            '<book>'\

                '<title src="https://www.jd.com">三国演义</title>'\

                '<price>29.95</price>'\

            '</book>'\

        '</bookstore>'

# 2. etree.HTML() 将字符串转换成HTML元素对象,可以自动添加缺失的元素

html = etree.HTML(str)  # <Element html at 0x1e17b839708>  是一个el对象

#print(html)

# 3. 方法:

# 3.1 tostring()  查看转换之后的内容(二进制类型)

# 如果想要查看字符串,需要解码

# 如果想要显示汉字,需要先编码,再解码

# content = etree.tostring(html,encoding='utf-8')

#print(content.decode())

# 3.2 xpath()方法  作用:提取页面数据,返回值是一个列表

# xpath的使用一定是建立在etree.HTML()之后的内容中的

# xpath是如何来提取页面数据的?

# 答:使用的是路径表达式

# 3.2.1 xpath路径分为两种:

# 第一种: /  代表一层层的查找,如果/存在于开头,代表根路径

# bookstore = html.xpath('/html/body/bookstore')

#print(bookstore)  # [<Element bookstore at 0x2dd535efb88>]

# 第二种:// 任意路径  焦点在元素身上

# 例如：查找bookstore标签

# bookstore = html.xpath('//bookstore')

#print(bookstore)  # [<Element bookstore at 0x1639054fdc8>]

# 第一种和第二种结合

# 例如：查找所有book标签

# book = html.xpath('//bookstore/book')

#print(book)  # [<Element book at 0x2737fd7fa48>, <Element book at 0x2737fd7fc88>, <Element book at 0x2737fd7fcc8>, <Element book at 0x2737fd7fd08>, <Element book at 0x2737fd7fd88>]

# 3.2.2 /text()  获取标签之间的内容

# 例如：获取所有title标签的内容

# 步骤：

# 1. 找到所有title标签

# 2. 获取内容

# title = html.xpath('//book/title/text()')

#print(title)  # ['Harry Potter','Learning XML','西游记','水浒传','三国演义']

# 3.3 位于  使用[]  可以理解成条件

# 3.3.1 [n] 代表获取第n个元素,n是数字,n<=1

# 例如: 获取第二个title标签

# title = html.xpath('//book[2]/title/text()')

# title1 = html.xpath('//title[2]/text()')

#print(title)  # ['Learning XML']

#print(title1)  # []

# last()  获取最后一个

# 同理: last()-1  获取倒数第二个

# 例如: 获取最后一本书的title标签之间的内容

# title = html.xpath('//book[last()]/title/text()')

# title1 = html.xpath('//book[last()-1]/title/text()')

#print(title)  # ['三国演义']

#print(title1)  # ['水浒传']

# 3.3.2 position()  位置,范围  支持 > / < / = / >= / <= / !=

# 例如: 获取最后两本书的title标签之间的内容

# 步骤:

# 1. 先获取后两本书

# 2. 获取内容

# title = html.xpath('//book[position()>3]/title/text()')

#print(title)  # ['水浒传','三国演义']

# ? title = html.xpath('//book[position()>last()-2]/title/text()')

#print(title)  # ['水浒传','三国演义']

# 3.3.3 获取属性值:@属性名

# 例如: 获取lang属性值为cng的title标签的内容

# title = html.xpath('//book/title[@lang="cng"]/text()')

#print(title)  # ['西游记']

# 例如: 获取包含src属性得title标签的内容

# title = html.xpath('//book/title[@src]/text()')

#print(title)  # ['Harry Potter','水浒传','三国演义']

# 例如: 获取包含属性的title标签的内容

# title = html.xpath('//book/title[@*]/text()')

#print(title)  # ['Harry Potter','Learning XML','西游记','水浒传','三国演义']

# 例如: 获取最后一个title标签的src属性的值

# title = html.xpath('//book[last()]/title/@src')

#print(title)  # ['https://www.jd.com']

返回前面的内容

相关阅读 >>

Python如何读取 .ini 格式文件（代码）

Python爬虫 使用真实浏览器打开网页的两种方法总结

Python模块介绍

Python内置变量的一个例子

Python里的π怎么输入

Python为什么慢？

Python 实现一行输入多个值

Python中的while什么意思

单例模式中不同语言的不同实现

Python如何实现rsa加密的示例代码分享

更多相关阅读请进入《Python》频道 >>

书籍

Python编程 从入门到实践 第2版

￥69.8元   人民邮电出版社

python入门书籍，非常畅销，超高好评，python官方公认好书。

转载请注明出处：木庄网络博客 » python之Xpath语法