Eine grundlegende Anleitung für Anfänger zu LXML-Selektoren-HTML-Tutorial-php.cn

Eine grundlegende Anleitung für Anfänger zu LXML-Selektoren

王林

Freigeben： 2024-01-13 09:39:05

Original

380 Leute haben es durchsucht

Eine grundlegende Anleitung für Anfänger zu LXML-Selektoren

Beginnen Sie bei Null und erfahren Sie, welche Selektoren lxml unterstützt!

Selector ist eines der sehr wichtigen Tools beim Parsen und Extrahieren von Webseiten. lxml ist eine leistungsstarke Python-Bibliothek, die eine Vielzahl von Selektoren bereitstellt, mit denen wir Inhalte auf Webseiten einfacher finden und extrahieren können. In diesem Artikel werden einige gängige, von lxml unterstützte Selektoren vorgestellt und eine einfache Beispieldemonstration bereitgestellt.

lxml ist ein leistungsstarker HTML- und XML-Parser, der auf der Sprache C basiert. Seine Geschwindigkeit und Speichernutzung sind besser als der Python-eigene Parser. lxml unterstützt zwei häufig verwendete Selektorsyntaxen, XPath- und CSS-Selektoren. Im Folgenden stellen wir deren Verwendung vor.

XPath-Selektor

XPath ist ein Selektor, der auf der XML-Pfadausdruckssprache basiert und Knoten über Pfadausdrücke findet. Die Verwendung der XPath-Syntax in lxml ist sehr einfach. Verwenden Sie einfach die Methode xpath(). Hier sind einige Beispiele für XPath-Ausdrücke:

from lxml import etree

html = """
<html>
    <body>
        <div class="content">
            <h1>标题</h1>
            <ul>
                <li>列表1</li>
                <li>列表2</li>
                <li>列表3</li>
            </ul>
        </div>
    </body>
</html>
"""

# 创建解析器对象
parser = etree.HTMLParser()

# 解析HTML
tree = etree.parse(html, parser)

# 使用XPath选择器
title = tree.xpath("//h1/text()")[0]
print(title)  # 输出：标题

# 获取所有列表项
items = tree.xpath("//li")
for item in items:
    print(item.text)  # 输出：列表1  列表2  列表3

Nach dem Login kopieren

CSS-Selektor

CSS-Selektor ist eine häufig verwendete Selektorsyntax, die Elemente nach Stil auswählt. Um CSS-Selektoren in lxml zu verwenden, können Sie die cssselect-Bibliothek verwenden. Hier sind einige Beispiele für CSS-Selektoren:

from lxml import etree
from lxml.cssselect import CSSSelector

html = """
<html>
    <body>
        <div class="content">
            <h1>标题</h1>
            <ul>
                <li>列表1</li>
                <li>列表2</li>
                <li>列表3</li>
            </ul>
        </div>
    </body>
</html>
"""

# 创建解析器对象
parser = etree.HTMLParser()

# 解析HTML
tree = etree.parse(html, parser)

# 使用CSS选择器
selector = CSSSelector("h1")
title = selector(tree)[0].text
print(title)  # 输出：标题

# 获取所有列表项
selector = CSSSelector("li")
items = selector(tree)
for item in items:
    print(item.text)  # 输出：列表1  列表2  列表3

Nach dem Login kopieren

Anhand der obigen Beispiele können wir sehen, dass die Selektoren von lxml sehr flexibel und einfach sind. Zusätzlich zu der oben vorgestellten grundlegenden Verwendung unterstützt lxml auch komplexere Selektoroperationen, wie z. B. Selektorkombinationen, Selektorverschachtelungen usw.

Zusammenfassend ist lxml eine leistungsstarke HTML- und XML-Parsing-Bibliothek, die zwei häufig verwendete Selektorsyntaxen unterstützt: XPath- und CSS-Selektoren. Mithilfe des Selektors in lxml können wir den Inhalt der Webseite schnell und genau lokalisieren und extrahieren, was die anschließende Datenverarbeitung und -analyse erleichtert. Ich hoffe, dass dieser Artikel den Lesern helfen kann, die Auswahlfunktion von lxml zu verstehen und sie vollständig in tatsächlichen Projekten anzuwenden.

Das obige ist der detaillierte Inhalt vonEine grundlegende Anleitung für Anfänger zu LXML-Selektoren. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!