python 包之 lxml 中 etree 标签解析教程

最新推荐文章于 2024-08-19 22:50:52 发布

cmdos

最新推荐文章于 2024-08-19 22:50:52 发布

阅读量2.9k

点赞数

文章标签： it

原文链接：https://www.cnblogs.com/autofelix/p/16057855.html

版权

一、安装

pip install lxml

二、创建标签

from lxml import etreeroot = etree.Element('root')

三、添加子节点

from lxml import etreeroot = etree.Element('root')span = etree.SubElement(root, 'span')

四、删除子节点

from lxml import etreeroot = etree.Element('root')span = etree.SubElement(root, 'span')root.remove(span)

五、删除所有子节点

from lxml import etreeroot = etree.Element('root')root.clear()

六、操作子节点

from lxml import etreeroot = etree.Element('root')span = etree.SubElement(root, 'span')# 获取标签数len(root)# 获取标签索引号,如果有多个相同标签的话,可以区分root.index(span)# 按位置插入root.insert(0, etree.Element('p'))# 尾部添加root.append(etree.Element('strong'))

七、获取父节点

获取标签父节点的两种方法

from lxml import etreeroot = etree.Element('root')span = etree.SubElement(root, 'span')# 获取父节点方法一span.getparent().tag# 获取父节点方法二,用列表获取子节点,再获取父节点root[0].getparent().tag

八、创建属性

from lxml import etreeroot = etree.Element('root')root.set('title', '这是一个root标签')

九、获取属性

获取属性的三种方法

from lxml import etreeroot = etree.Element('root')# 获取属性方法一root.get('title')# 获取属性方法二,参考字典的操作root.keys(),root.values(),root.items()# 获取属性方法三,直接拿到属性存放的字典root.attrib

十、设置标签文本

添加文本和追加文本

from lxml import etreeroot = etree.Element('root')# 标签内添加文本root.text='i am autofelix'# 标签后追加文本root.tail = 'i am autofelix'

十一、xpath方法

from lxml import etreeroot = etree.Element('root')word = root.xpath('//text()')word[0].getparent().tag

十二、判断文本类型

from lxml import etreeroot = etree.Element('root')word = root.xpath('//text()')# 是否是text文本word.is_text# 是否是tail文本word.is_tail

十三、字符串解析

from lxml import etreehtml = etree.fromstring('<root>autofelix</root>')html.tagetree.tostring(html)

十四、XML解析

from lxml import etreehtml = etree.XML('<root>autofelix</root>')html.tagetree.tostring(html)

十五、去除XML中的空行

from lxml import etree# 去除xml文件里的空行parser= etree.XMLParser(remove_blank_text=True)root = etree.XML('<root> auto felix </root>', parser)print etree.tostring(root)

十六、HTML解析

HTML方法，如果没有<html>和<body>标签，会自动补上

from lxml import etreehtml = etree.HTML('<root>autofelix</root>')etree.tostring(html)

十七、搜索和定位

from lxml import etreeroot = etree.XML('<root><a class="uname">i am autofelix<b/><c/><b/></a></root>')# findall操作返回列表root.findall('a')[0].text# find操作就相当与找到了这个元素节点,返回匹配到的第一个元素root.find('.//a').text# 配合列表解析[ b.text for 吉林干部培训学校 www.shanxiganxun.cn  b in root.findall('.//a') ]# 根据属性查询root.findall('.//a[@class]')[0].tag