Doit maîtriser pour améliorer vos compétences ! Résumé des conseils sur les sélecteurs lxml et des sélecteurs pris en charge !-tutoriel HTML-php.cn

Doit maîtriser pour améliorer vos compétences ! Résumé des conseils sur les sélecteurs lxml et des sélecteurs pris en charge !

PHPz

Libérer： 2024-01-13 09:17:06

original

626 Les gens l'ont consulté

Doit maîtriser pour améliorer vos compétences ! Résumé des conseils sur les sélecteurs lxml et des sélecteurs pris en charge !

Un incontournable pour progresser ! Conseils sur l'utilisation des sélecteurs lxml et une liste des sélecteurs pris en charge !

Vue d'ensemble :

Les sélecteurs sont un outil très important lors du grattage ou de l'extraction de données Web. En Python, il existe de nombreuses bibliothèques de sélecteurs parmi lesquelles choisir, parmi lesquelles lxml est une puissante bibliothèque de sélecteurs. Cet article présentera les compétences d'utilisation du sélecteur lxml et une liste des sélecteurs pris en charge pour aider les lecteurs à améliorer encore l'efficacité de l'extraction de données.

1. Introduction au sélecteur lxml

lxml est une bibliothèque d'analyseur basée sur Python qui fournit des sélecteurs XPath extensibles et des sélecteurs CSS pour l'analyse des documents HTML et XML. Le principal avantage du sélecteur lxml est qu’il est rapide, puissant et adapté au traitement de fichiers volumineux. Avant d'utiliser le sélecteur lxml, vous devez d'abord installer la bibliothèque lxml. Vous pouvez l'installer via la commande suivante :

pip install lxml

Copier après la connexion

2. L'utilisation de base du sélecteur lxml

L'utilisation de base du sélecteur lxml est très simple. il suffit d'importer le module correspondant et de créer un objet sélecteur, puis d'utiliser l'objet sélecteur pour extraire les données.

Tout d'abord, importez la bibliothèque lxml et le module correspondant :

from lxml import etree

Copier après la connexion

Ensuite, analysez le document HTML ou XML et créez un objet sélecteur :

# 解析HTML文档
html = '''
<html>
    <body>
        <div class="container">
            <h1>标题1</h1>
            <p class="content">内容1</p>
        </div>
        <div class="container">
            <h1>标题2</h1>
            <p class="content">内容2</p>
        </div>
    </body>
</html>
'''

# 创建选择器对象
selector = etree.HTML(html)

Copier après la connexion

Ensuite, vous pouvez utiliser l'objet sélecteur pour extraire les données. Le sélecteur lxml prend en charge les sélecteurs XPath et les sélecteurs CSS. Leur utilisation sera présentée ci-dessous.

XPath Selector

XPath (XML Path Language) est un langage utilisé pour naviguer et extraire des informations dans des documents XML ou HTML. Le sélecteur lxml prend en charge les sélecteurs XPath, grâce auxquels les éléments à extraire peuvent être localisés avec précision.

La syntaxe XPath courante comprend :

Éléments de sélection : /, //, []/、//、[]
选择属性：@
选择文本：text()
选择父节点：..

以下是几个XPath选择器的示例：

# 提取h1标签的文本
titles = selector.xpath('//h1/text()')
print(titles)  # 输出：['标题1', '标题2']

# 提取p标签的属性class值
classes = selector.xpath('//p/@class')
print(classes)  # 输出：['content', 'content']

Copier après la connexion

CSS选择器

CSS（Cascading Style Sheets）选择器是一种用于在HTML文档中选择元素的语言。lxml选择器也支持CSS选择器，通过CSS选择器可以通过标签、类、ID等方式进行元素的定位。

常见的CSS选择器包括：

选择标签：标签名
选择类：.类名
选择ID：#ID名
选择父子关系：空格
选择相邻兄弟关系：+
选择后续兄弟关系：~

以下是几个CSS选择器的示例：

# 提取h1标签的文本
titles = selector.cssselect('h1')
for title in titles:
    print(title.text)  # 输出：标题1、标题2

# 提取p标签的属性class值
classes = selector.cssselect('p.content')
for p in classes:
    print(p.get('class'))  # 输出：content、content

Copier après la connexion

三、lxml选择器支持的选择器一览

lxml选择器支持的选择器包括XPath选择器和CSS选择器，下面是一些常用的选择器：

XPath选择器：
- /：选择根节点
- //：选择所有节点
- []：条件选择
- @：选择属性
- text()：选择文本
- ..：选择父节点
CSS选择器：
- 标签选择器：标签名
- 类选择器：.类名
- ID选择器：#ID名
- 父子关系：空格
- 相邻兄弟关系：+
- 后续兄弟关系：~