python-parsel

最新推荐文章于 2025-02-24 19:38:55 发布

Loy_White_

最新推荐文章于 2025-02-24 19:38:55 发布

阅读量4.3k

点赞数 3

分类专栏： python库文章标签： python 正则表达式爬虫

本文链接：https://blog.csdn.net/Lucky_XiaoBai_/article/details/111408564

版权

Parsel是一个Python库，用于从HTML和XML中提取数据，支持XPath和CSS选择器，可结合正则表达式使用。本文介绍了Parsel的安装、Selector的使用方法，包括其各种方法如.attrib(), .css(), .get(), .xpath()等，还提及了csstranslator模块和utils模块的相关功能。" 117304312,9490702,PyTorch LSTM与LSTMCell详解,"['深度学习', 'PyTorch', 'RNN', 'LSTM', 'LSTMCell']

摘要由CSDN通过智能技术生成

python-parsel

Parsel是一个使用XPath和CSS选择器（可选地与正则表达式结合）从HTML和XML提取数据的库
一、安装
官网：https://pypi.org/project/parsel/

pip安装：pip install parsel 默认安装的是最新版
pip install parsel=1.6.0 目前官方最新版本
PyCharm：File =》Setting =》Project：sintemple =》 Project：Interpreter =》点击右上角的加号（或者按快捷键Alt+Insert）=》在输入框中输入parsel，会出现一个只有parsel的一列，点击选择它 =》Install Package 等待安装完成就可以了（注：其中Specify version选中可以在下拉框中选择版本）

二、Selector

Selector(text=None, type=None, namespaces=None, root=None,base_url=None, _expr=None)
创建解析HTML或XML文本的对象
参数：
text 在python2中是一个Unicode对象，在python3中是一个str对象
type 定义Selector类型，可以是"html",“xml"或者是None（默认），如果为None则默认选择为"html”
base_url allows setting a URL for the document. This is needed when looking up external entities with relative paths（允许为文档设置URL。在使用相对路径查找外部实体时，这是必需的）
Selector的对象方法
①. Selector.attrib()
返回基础元素的属性字典
②. Selector.css(query)
css选择器
③. Selector.get()
序列化并以单个unicode字符串返回匹配的节点
④. Selector.getall()
序列化并以第1个元素的unicode字符串列表返回匹配的节点
⑤. Selector.re(self, regex, replace_entities=True)
正则选择器
⑥. Selector.re_first(self, regex, default=None, replace_entities=True)
If the list is empty or the regex doesn’t match anything, return the default value (None if the argument is not provided)如果列表为空或正则表达式不匹配任何东西，返回默认值(如果没有提供参数，则返回’None’ )
⑦. Selector.remove()
Remove matched nodes from the parent for each element in this list.从父节点中删除列表中每个元素的匹配节点。
⑧. Selector.xpath(self, query, namespaces=None, **kwargs)
xpath选择器
SelectorList的对象方法
SelectorList类是内置list类的一个子类，它提供了一些额外的方法。
①. attrib 返回第一个元素的属性字典。如果列表为空，则返回空dict
②. css(query) .css()对该列表中的每个元素调用方法，然后将其结果展平为另一个SelectorList。query 与 Selector.css()
③. extract() 调用.get()此列表中每个元素的方法，并将其结果展平，以unicode字符串列表形式返回。
④. extract_first(default=None) 返回.get()此列表中第一个元素的结果。如果列表为空，则返回默认值。
⑤. get(default=None) 返回.get()此列表中第一个元素的结果。如果列表为空，则返回默认值。
⑥. getall() 调用.get()此列表中每个元素的方法，并将其结果展平，以unicode字符串列表形式返回。
⑦. re(regex, replace_entities=True) 调用.re()此列表中每个元素的方法，并将其结果展平，以unicode字符串列表形式返回。默认情况下，字符实体引用由其对应的字符替换（&和和除外<。以传递replace_entities，False关闭这些替换。
⑧. re_first(regex, default=None, replace_entities=True) 调用.re()此列表中第一个元素的方法，并以Unicode字符串返回结果。如果列表为空或正则表达式不匹配任何内容，则返回默认值（None如果未提供参数）。默认情况下，字符实体引用由其对应的字符替换（&和和除外<。以传递replace_entities，False关闭这些替换。
⑨. remove() 从父级中删除此列表中每个元素的匹配节点。
⑩. xpath(xpath, namespaces=None, **kwargs) .xpath()对该列表中的每个元素调用方法，然后将其结果展平为另一个SelectorList。query 与 Selector.xpath()namespaces是用于将其他前缀添加到已注册的前缀的可选映射（字典）。与相对，这些前缀不会保存以备将来使用。
举例说明：
html代码

<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset=

最低0.47元/天解锁文章