Python爬虫之lxml-etree和xpath的结合使用（附案例）-Tutorial Python-php.cn

Python爬虫之lxml-etree和xpath的结合使用（附案例）

不言

Lepaskan： 2018-09-07 16:13:40

asal

12714 orang telah melayarinya

本篇文章给大家介绍的是Python爬虫之lxml-etree和xpath的结合使用（附案例），内容很详细，希望可以帮助到大家。

lxml：python 的HTML/XML的解析器

官网文档：https://lxml.de/

使用前，需要安装安 lxml 包

功能：

1.解析HTML：使用 etree.HTML(text) 将字符串格式的 html 片段解析成 html 文档

2.读取xml文件

3.etree和XPath 配合使用

lxml 的安装

【PyCharm】>【file】>【settings】>【Project Interpreter】>【+】 >【lxml】>【install】

具体操作截图：

lxml-etree 的使用

案例v25文件：https://xpwi.github.io/py/py%E7%88%AC%E8%99%AB/py25etree.py
用 lxml 来解析HTML代码

# 先安装lxml
# 用 lxml 来解析HTML代码

from lxml import etree

text = &#39;&#39;&#39;<p>
    <ul>
        <li class="item-0"><a href="0.html">item 0 </a></li>
        <li class="item-1"><a href="1.html">item 1 </a></li>
        <li class="item-2"><a href="2.html">item 2 </a></li>
        <li class="item-3"><a href="3.html">item 3 </a></li>
        <li class="item-4"><a href="4.html">item 4 </a></li>
        <li class="item-5"><a href="5.html">item 5 </a></li>
    </ul>     </p>&#39;&#39;&#39;

# 利用 etree.HTML 把字符串解析成 HTML 文件
html = etree.HTML(text)
s = etree.tostring(html).decode()

print(s)

Salin selepas log masuk

运行结果

lxml-etree 的使用

案例v26etree2文件：https://xpwi.github.io/py/py%E7%88%AC%E8%99%AB/py26etree2.py
读取xml文件：

# lxml-etree读取文件from lxml import etree

xml = etree.parse("./py24.xml")
sxml = etree.tostring(xml, pretty_print=True)

print(sxml)

Salin selepas log masuk

运行结果

etree和XPath 配合使用

案例v26expath.文件：https://xpwi.github.io/py/py%E7%88%AC%E8%99%AB/py26expath.py
etree和XPath 配合使用：

# lxml-etree读取文件from lxml import etree

xml = etree.parse("./py24.xml")
print(type(xml))# 查找所有 book 节点rst = xml.xpath(&#39;//book&#39;)
print(type(rst))
print(rst)# 查找带有 category 属性值为 sport 的元素rst2 = xml.xpath(&#39;//book[@category="sport"]&#39;)

print(type(rst2))
print(rst2)# 查找带有category属性值为sport的元素的book元素下到的year元素rst3 = xml.xpath(&#39;//book[@category="sport"]/year&#39;)
rst3 = rst3[0]

print(&#39;-------------\n&#39;,type(rst3))
print(rst3.tag)
print(rst3.text)

Salin selepas log masuk