lxml中etree的简单用法
·
1.下载模块
pip install lxml #下载lxml模块 如果下载过慢可以尝试豆瓣的链接
pip install https://pypi.douban.com/simple lxml
2.导入模块
在lxml包的__init__模块中虽然没有etree,但貌似不影响使用，我的版本是：python3.7,lxml4.5.0
from lxml import etree
from lxml.html import etree #两种方式在用法上没什么区别
3.etree的使用
h=etree.HTML(response.text)#response.text是网页的源码
h.xpath('//img') #寻找所有的img结点,
h.xpath('//div').xpath('.//img')#寻找所有div下的所有img结点
4.xpath的语法
符号
XPath 使用路径表达式在 XML 文档中选取节点。节点是通过沿着路径或者 step 来选取的。
| 表达式 | 描述 |
|---|---|
| / | 从根节点选取 |
| // | 从匹配选择的当前节点选择文档中的节点，而不考虑它们的位置。 |
| . | 选取当前节点。 |
| . . | 选取当前节点的父节点。 |
| @ | 选取属性。 |
| | | 在两个中结点中选择 |
| （） | 用()来包含| |
| * | 包含所有元素 |
| not | 取反 |
实例
| 路径表达式 | 结果 |
|---|---|
| bookstore | 选取 bookstore 元素的所有子节点。 |
| /bookstore | 选取根元素 bookstore。注释：假如路径起始于正斜杠( / )，则此路径始终代表到某元素的绝对路径！ |
| bookstore/book | 选取属于 bookstore 的子元素的所有 book 元素。 |
| //book | 选取所有 book 子元素，而不管它们在文档中的位置。 |
| bookstore//book | 选择属于 bookstore 元素的后代的所有 book 元素，而不管它们位于 bookstore 之下的什么位置。 |
| //@lang | 选取名为 lang 的所有属性。 |
| //*[@class] | 选取带有class属性的所有元素 |
| //div[@*] | 匹配任意属性的div元素 |
| //a[not(@class)] | 匹配没有class属性的a元素 |
谓语
带谓语的路径表达式
| 路径表达式 | 结果 |
|---|---|
| /bookstore/book[1] | 选取属于 bookstore 子元素的第一个 book 元素。 |
| /bookstore/book[last()] | 选取属于 bookstore 子元素的最后一个 book 元素。 |
| /bookstore/book[last()-1] | 选取属于 bookstore 子元素的倒数第二个 book 元素。 |
| /bookstore/book[position()< 3] | 选取最前面的两个属于 bookstore 元素的子元素的 book 元素。 |
| //title[@lang] | 选取所有拥有名为 lang 的属性的 title 元素。 |
| //title[@lang=‘eng’] | 选取所有 title 元素，且这些元素拥有值为 eng 的 lang 属性。 |
| /bookstore/book[price>35.00] | 选取 bookstore 元素的所有 book 元素，且其中的 price 元素的值须大于 35.00。 |
| /bookstore/book[price>35.00]/title | 选取 bookstore 元素中的 book 元素的所有 title 元素，且其中的 price 元素的值须大于 35.00。 |
魔乐社区（Modelers.cn) 是一个中立、公益的人工智能社区，提供人工智能工具、模型、数据的托管、展示与应用协同服务，为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作，由全产业链共同建设、共同运营、共同享有，推动国产AI生态繁荣发展。
更多推荐
10
0- 0
已为社区贡献1条内容
所有评论(0)