位置: IT常识 - 正文

lxml&xpath一站式教学

编辑:rootadmin
lxml&xpath一站式教学 文章目录XPath定义XPath 概览安装lxml初步使用xpath 常用表达式获取所有节点获取子节点获取父亲节点属性匹配获取文本获取属性属性多值匹配多属性匹配按序选择节点轴选择总结XPath定义

推荐整理分享lxml&xpath一站式教学,希望有所帮助,仅作参考,欢迎阅读内容。

文章相关热门搜索词:,内容如对您有帮助,希望把文章链接给更多的朋友!

XPath 是一门在 XML 文档中查找信息的语言。XPath 可用来在 XML 文档中对元素和属性进行遍历。它最初是用来搜寻 XML 文档的,现在它同样适用于 HTML 文档的搜索

XPath 概览

XPath 的选择功能十分强大,它提供了非常简洁明了的路径选择表达式 。 另外,它还提供了超过100 个内建函数,用于字符串、数值、时间的匹配以及节点、序列的处理等 。 几乎所有我们想要定位的节点,都可以用 XPath 来选择 。

安装lxmlpip install lxml初步使用

读取本地html文件 etree模块会自动修正HTML文件中缺失的内容

from lxml import etree# 读取html文档,字符串fp = open("index.html",'r',encoding='utf-8')html = fp.read()# 实例化XPath解析对象,可以将字符串转换成Element对象tree = etree.HTML(html)print(tree)

web网站html文件

from lxml import etreeimport requestshtml = requests.get(url="https://www.baidu.com")tree = etree.HTML(html.text)print(tree)xpath 常用表达式

xpath的使用其实就是根据表达式找出文档中所有符合条件的内容

表达式描述nodename选取此节点的所有子节点/从当前节点选取直接子节点//从当前节点选取子孙节点.选取当前节点..选取当前节点的父节点@选取属性*通配符,选择所有元素节点与元素名[@attrib]选取具有给定属性的所有元素[@attrib=‘value’]选取给定属性具有给定值的所有元素[tag]选取所有具有指定元素的直接子节点[tag=‘text’]选取所有具有指定元素并且文本内容是text节点

获取所有节点fp = open("index.html",'r',encoding='utf-8')html = fp.read()tree = etree.HTML(html)result = tree.xpath("//*") # 获取所有节点print(result)

输入: 解释:

// 获取当前节点的子孙节点 * 代表匹配所有节点,//* 就代表获取当前节点的所有子孙节点

获取子孙节点中的div节点

# 获取当前节点下的所有div的子孙节点result = tree.xpath("//div")

输出:

获取子节点

现在要获取<html>下的head节点以及head节点里面的title节点

result = tree.xpath("/html/head") # 获取head节点print(result)result = tree.xpath("/html/head/title") # 获取title节点print(result)

输出: 解释:这里我们采用的是 /来进行获取的,每次获取一级,依次获取到目标元素

获取父亲节点

通过 / 、//可以获取子节点或者子孙节点,现在我学习如何通过子节点找父节点

找出li节点的父节点,找出li节点的父节点的父亲节点

result = tree.xpath("//li/..")print(result)result = tree.xpath("//li/../..") print(result)

输出: 通过输出我们可以看到li的父节点是ul, ul的父节点是div 解释: 先通过 //li找到li节点在通过 .. 找到父节点

属性匹配

找出li标签中class=item01的元素

result = tree.xpath('/html/body/div/ul/li[@class="item01"]')print(result)

输出: 选择属性中有id的

result = tree.xpath('/html/body/div/ul/li[@id]')print(result)

输出: 解释: 通过@ 我们可以根据属性寻找节点,可以指定属性值,也可以直接根据属性进行查询

获取文本

获取li中的文字

# 直接获取li标签下面所有子孙元素的文字result = tree.xpath('/html/body/div/ul/li//text()')print(result)# 通过寻找子元素的方式,一级一级的找到文字result2 = tree.xpath('/html/body/div/ul/li/a/text()')print(result2)

输出: 通过输出的内容分析我们能够看出,直接通过li//text()获取到文本内容会比li/a/text()获取的多,因为li//text()或获取li中所有的文字包括换行,而li/a/text()只会找出a标签下所有的文字

获取属性

有时候我们在进行数据解析的时候会需要一些属性值,例如我们在写爬虫项目的时候我们往往需要url链接

lxml&xpath一站式教学

找出li中id=id01 a标签中 href的值

result = tree.xpath('/html/body/div/ul/li[@id="id01"]/a/@href')print(result)

输出 解释: 属性值的获取也是通过@ 来进行实现的,@href:获取href的属性值

属性多值匹配

在实际的项目中会出现一个属性值有多个值的情况出现,例如class在实际项目中会有多个值的情况出现

获取class中含有class_val1的节点

# 这种方式是错误的,并不会找出对应的class中含有class_val1的节点tree.xpath('/html/body/div/ul/li[@class="class_val1"]')# 正确的做法 使用contains()函数# 获取class中含有class_val1的节点result = tree.xpath('/html/body/div/ul/li[contains(@class,"class_val1")]')print(result)

输出: 解释: contains()函数 获取指定属性中包含某一属性值的节点 使用方式contains(@属性,"属性值")

多属性匹配

有时候我还需要根据多个属性来确定一个节点

找出li中 class中含有item01且id=id01 中a标签中的文本

result = tree.xpath('/html/body/div/ul/li[contains(@class,"item01") and @id="id01"]/a/text()')print(result)

解释: 使用 and可以连接多个条件值

拓展类似的操作符还有

运算符描述实例返回值or或age=10 or age=20如果age等于10或者等于20则返回true反正返回falseand与age>19 and age<21如果age等于20则返回true,否则返回falsemod取余5 mod 2 1|取两个节点的集合//book | //cd返回所有拥有book和cd元素的节点集合+加5+49-减5-41*乘5*420div除法6 div 32=等于age=10true!=不等于age!=10true<小于age<10true<=小于或等于age<=10true>大于age>10true>=大于或等于age>=10true按序选择

在有些时候我们在选择的时候可能匹配了多个节点,但是我们可能只需要其中的某些节点,xpath为我们提供了可以 根据索引进行取值的操作。

注意在xpath中索引从1开始,并不是以0开始

获取第一个li标签 获取前三个li标签 获取最后一个li标签

# 获取第一个`li`标签result = tree.xpath('/html/body/div/ul/li[1]')print(result)# 获取前三个`li`标签result2 = tree.xpath('/html/body/div/ul/li[position()<4]')print(result2)# 获取最后一个`li`标签result3 = tree.xpath('/html/body/div/ul/li[last()]')print(result3)

输出: 解释: position() 返回当前正在被处理的节点的 index 位置 last() 返回所有匹配节点的最后一个的索引

节点轴选择

轴可定义相对于当前节点的节点集。 (定义有点抽象,看完下面的实例就懂了)

获取li的所有的祖先节点

result = tree.xpath('/html/body/div/ul/li/ancestor::*')print(result)

输出: 获取li祖先节点中的div

result = tree.xpath('/html/body/div/ul/li/ancestor::div')print(result)

输出: 获取li节点的子孙元素

result = tree.xpath('/html/body/div/ul/li/child::*')print(result)

获取li节点的子孙元素中a标签中href="./index.html"

result = tree.xpath('/html/body/div/ul/li/child::a[@href="./index.html"]')print(result)

解释: ancestor、child都称作轴 ancestor轴就是相对当前节点的所有祖先节点的集合,child轴就是相对当前节点的子孙节点的集合,而后面::后面跟着是对轴节点集合的操作 *代表匹配所有的节点 div 代表取节点集中的div节点, 另外还可以使用其他的筛选条件进行筛选child::a[@href="./index.html"]:选取子孙节点中a节点中href="./index.html"的节点,上面学习的筛选方式都可以在这里使用。

类似这样的轴还有很多

轴名称结果ancestor选取当前节点的所有先辈(父、祖父等)。ancestor-or-self选取当前节点的所有先辈(父、祖父等)以及当前节点本身。attribute选取当前节点的所有属性。child选取当前节点的所有子元素。descendant选取当前节点的所有后代元素(子、孙等)。descendant-or-self选取当前节点的所有后代元素(子、孙等)以及当前节点本身。following选取文档中当前节点的结束标签之后的所有节点。namespace选取当前节点的所有命名空间节点。parent选取当前节点的父节点。preceding选取文档中当前节点的开始标签之前的所有节点。preceding-sibling选取当前节点之前的所有同级节点。self选取当前节点。

xpath轴的使用方式都是一样的,在实际中我们只需要根据自己的需求选择合适的轴。

总结

关于lxml和xpath的教学大概就有这么多,这类教程很多用法都不便于讲解,这里只是提供一些用法,后续如果想熟练的使用xpath解析数据还需要勤加练习,结合自己的实际情况进行选择具体的xpath,

在使用一段时间后你可能会发现最常用的也就最基础的获取子节点、获取子孙节点、获取文本、获取属性值。这些也足够你解决你遇到的绝大部分问题,后面关于xpath轴的或许在实际中没等你想到就将问题解决了。但是我还是建议你学习,在我们看别人的代码的时候别人可能会用,我们平时可以不会写但是见到这样的代码的时候一定要认识。

本文链接地址:https://www.jiuchutong.com/zhishi/299823.html 转载请保留说明!

上一篇:openAI api 生产最佳实践(open api平台)

下一篇:3分钟认识Vue3的v-model

  • hi nova9支持无线充电吗(nova9pro支持无线充电)

    hi nova9支持无线充电吗(nova9pro支持无线充电)

  • 拼多多怎样关闭先用后付功能(拼多多怎样关闭多多支付)

    拼多多怎样关闭先用后付功能(拼多多怎样关闭多多支付)

  • 精影显卡怎么样(精影显卡怎么样 知乎)

    精影显卡怎么样(精影显卡怎么样 知乎)

  • 苹果手机a1699是什么型号(苹果手机a1699是苹果几市场价多少钱)

    苹果手机a1699是什么型号(苹果手机a1699是苹果几市场价多少钱)

  • 小米蓝牙耳机air左边没声音(小米蓝牙耳机air2 se只有一边有声音)

    小米蓝牙耳机air左边没声音(小米蓝牙耳机air2 se只有一边有声音)

  • 苹果手机软件自动更新怎么设置(苹果手机软件自动退出怎么回事)

    苹果手机软件自动更新怎么设置(苹果手机软件自动退出怎么回事)

  • sd卡套是干什么用的(sd卡套是什么意思啊)

    sd卡套是干什么用的(sd卡套是什么意思啊)

  • 发快手下边字不显示怎么回事(发快手下面的字怎么写上去的)

    发快手下边字不显示怎么回事(发快手下面的字怎么写上去的)

  • 用户密码忘了怎么办(用户密码忘了怎么办电脑)

    用户密码忘了怎么办(用户密码忘了怎么办电脑)

  • 手机qq邮箱超大附件上传失败(手机qq邮箱超大附件怎么下载)

    手机qq邮箱超大附件上传失败(手机qq邮箱超大附件怎么下载)

  • 手机怎么下载电影(手机怎么下载电视遥控器)

    手机怎么下载电影(手机怎么下载电视遥控器)

  • 抖音私发信息可撤回吗(抖音私发信息可以撤回吗)

    抖音私发信息可撤回吗(抖音私发信息可以撤回吗)

  • 5g sa nsa双模什么意思(sa/nsa是什么意思)

    5g sa nsa双模什么意思(sa/nsa是什么意思)

  • b365和z390区别有哪些(z390i和b360i)

    b365和z390区别有哪些(z390i和b360i)

  • 宽带连接678错误怎么解决方法(宽带连接提示678错误怎么解决)

    宽带连接678错误怎么解决方法(宽带连接提示678错误怎么解决)

  • 苹果11有防抖功能吗(苹果11防抖功能在哪里)

    苹果11有防抖功能吗(苹果11防抖功能在哪里)

  • 华为手机原厂贴的膜要不要换(华为手机原厂贴摸着粗糙了)

    华为手机原厂贴的膜要不要换(华为手机原厂贴摸着粗糙了)

  • 苹果11处理器是几核(苹果11处理器是多少核)

    苹果11处理器是几核(苹果11处理器是多少核)

  • 手机怎么设置为空号码(手机怎么设置为通话中)

    手机怎么设置为空号码(手机怎么设置为通话中)

  • 草垛的意思(草垛的意思是什么 四季的雨)

    草垛的意思(草垛的意思是什么 四季的雨)

  • 花椒直播如何投屏(花椒直播如何直播电视剧)

    花椒直播如何投屏(花椒直播如何直播电视剧)

  • 苹果电脑屏幕键盘打开教程(苹果电脑屏幕键盘怎么去除)

    苹果电脑屏幕键盘打开教程(苹果电脑屏幕键盘怎么去除)

  • system是病毒吗详情(_system~.ini 病毒)

    system是病毒吗详情(_system~.ini 病毒)

  • 高新技术企业产品是什么意思
  • 处置废品收入需要开票吗东奥
  • 个人所得税红利20%
  • 财务报表审计的标准
  • 每月长摊金额如何分摊
  • 税负率是按月来算吗
  • 预缴企业所得税怎么做会计分录
  • 城市规划部门收取的市政建设配套费是否作为契税的征税基数
  • 收款凭证填写模板下载
  • 出口退税的报关单当月可以申请退税吗?
  • 以现金形式发放的福利怎么入账
  • 工资表的其他扣除
  • 税务开专票遇到四舍五入
  • 房屋预售缴款怎么交
  • 工程检测费入什么科目
  • 烟草企业发生的广告和宣传费在当年营业收入15
  • 劳务费按次500元
  • 生产企业土地使用权摊销
  • 生产型出口企业的概念
  • windows10开机很卡
  • 开机提示lsass应用程序出错
  • Linux怎么修改账户名
  • 预计负债属于什么
  • 外汇延期收款办理操作指南
  • 谷歌浏览器历史记录插件
  • 材料采购计入资产负债表哪里
  • 高校教材pdf
  • 契税发票遗失怎么处理
  • 出差海外
  • 坏账核销能否增加利润
  • php上传文件到指定目录
  • 未税收入怎么做分录
  • framework3.5怎么打开
  • ubuntu20.04安装opencv3.4
  • icse论文
  • pdf优化器在哪里
  • php怎么设置图片的大小
  • phpstorm wsl
  • 期末结转主营业务收入负数
  • 企业一直亏损老板也赚钱
  • 委托代理出口账务处理
  • 期末存货资产结存金额
  • 新成立的公司做广告如何写公司简介部分
  • python2.7读取文件
  • 持有至到期投资属于流动资产吗
  • 汇算清缴涉及哪些调整
  • 筹建养老院国家有哪些优惠政策?
  • 公司发行可转债是利好还是利空
  • 盈余公积的提取条件
  • 收到国家电网信息但号码不是的
  • 哪些发票不能用
  • 企业技术服务费比例
  • 车船费代交是什么意思
  • 收购其他公司支付利润
  • 购入商品货款尚未支付
  • 建筑业确认收入的条件
  • 小规模纳税人变更一般纳税人条件
  • 费用报销流程及制度
  • sql语句优化之用是什么
  • debian系列
  • centos基本操作
  • win7系统安装虚拟机
  • 如何打开和关闭HMB
  • Win10预览版拆弹
  • 屏蔽触摸按键什么意思
  • unsupportedclassversion
  • node.js jquery
  • linux定时执行任务
  • shell脚本 su
  • Android 自定义view炫酷动画
  • python怎么用命令行
  • js对象类
  • 企业年金可以补办吗
  • 珠宝加工费骗局
  • 企业所得税纳税申报表A类
  • 地税局公务员工资多少
  • 惠州市公交车投诉平台
  • 税务局纪检组为税收工作纪律保障
  • 通州税务短信
  • 什么是深入调研工作
  • 免责声明:网站部分图片文字素材来源于网络,如有侵权,请及时告知,我们会第一时间删除,谢谢! 邮箱:opceo@qq.com

    鄂ICP备2023003026号

    网站地图: 企业信息 工商信息 财税知识 网络常识 编程技术

    友情链接: 武汉网站建设