スキルを向上させるにはマスターする必要があります! lxmlセレクターのヒントとサポートされているセレクターのまとめ！-htmlチュートリアル-php.cn

スキルを向上させるにはマスターする必要があります! lxmlセレクターのヒントとサポートされているセレクターのまとめ！

PHPz

リリース： 2024-01-13 09:17:06

オリジナル

613 人が閲覧しました

スキルを向上させるにはマスターする必要があります! lxmlセレクターのヒントとサポートされているセレクターのまとめ！

#昇進には必須! lxml セレクターの使用に関するヒントとサポートされているセレクターのリスト!

概要:

セレクターは、Web データのクローリングまたはデータ抽出を実行するときに非常に重要なツールです。 Python では、選択できるセレクターライブラリが多数ありますが、その中でも lxml は強力なセレクターライブラリです。この記事では、読者がデータ抽出の効率をさらに向上させるのに役立つ、lxml セレクターの使用スキルとサポートされているセレクターのリストを紹介します。

1. lxml セレクターの概要

lxml は、HTML および XML ドキュメントを解析するための拡張可能な XPath セレクターと CSS セレクターを提供する Python ベースのパーサーライブラリです。 lxml セレクターの主な利点は、高速かつ強力で、大きなファイルの処理に適していることです。 lxml セレクターを使用する前に、まず lxml ライブラリをインストールする必要があります。次のコマンドでインストールできます:

pip install lxml

ログイン後にコピー

2. lxml セレクターの基本的な使用法

lxml セレクターの基本的な使用法lxml セレクターは非常にシンプルで、対応するモジュールをインポートしてセレクターオブジェクトを作成し、そのセレクターオブジェクトを使用してデータを抽出するだけです。

まず、lxml ライブラリと対応するモジュールをインポートします:

from lxml import etree

ログイン後にコピー

次に、HTML または XML ドキュメントを解析し、セレクターオブジェクトを作成します:

# 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)

ログイン後にコピー

次に、データを抽出するコンテナオブジェクトを選択します。 lxml セレクターは XPath セレクターと CSS セレクターをサポートしていますので、その使い方を以下に紹介します。

XPath (XML パス言語) は、XML または HTML ドキュメント内の情報をナビゲートして抽出するために使用される言語です。 lxml セレクターは、抽出される要素を正確に見つけることができる XPath セレクターをサポートしています。

一般的な XPath 構文には次のものが含まれます:

/、//、[]
@
text()
..

XPath セレクターの例をいくつか示します。

# 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']

ログイン後にコピー

CSS (Cascading Style Sheets) セレクターは、次の言語です。 HTML ドキュメント内の要素を選択します。 lxml セレクターは CSS セレクターもサポートしており、タグ、クラス、ID などを通じて要素を配置できます。

一般的な CSS セレクターには次のものが含まれます:

.クラス名# #Select ID:
親子関係を選択: スペース
隣接する兄弟関係を選択:
後続の兄弟関係を選択:

# 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

ログイン後にコピー

3. lxml セレクターでサポートされるセレクターのリスト

# サポートされるセレクター##lxml セレクターには、XPath セレクターと CSS セレクターが含まれます。一般的に使用されるセレクターは次のとおりです:

XPath セレクター:

#/
: ルートノードを選択
- //: すべてのノードを選択
- []: 条件付き選択
- @: 属性を選択
- text(): テキストを選択
- ..: 親ノードを選択
- #CSS セレクター:
# クラスセレクター:
.クラス名
- #IDセレクタ:
- #父子関係: スペース
- ~
- 上記の一般的に使用されるセレクターに加えて、lxml は、位置セレクター、属性セレクターなど、より多くのセレクターもサポートしています。読者は公式を確認できます。詳しい学習と理解のために lxml のドキュメントを参照してください。結論:
lxml セレクターは、XPath セレクターと CSS セレクターをサポートし、HTML および XML ドキュメントの解析とデータ抽出に適した強力なセレクターライブラリです。この記事では、lxml セレクターの基本的な使い方とよく使用されるセレクターを紹介し、学習と実践を通じて lxml セレクターをさらに習得、応用し、データ抽出の効率と精度を向上させることを期待します。