一、XPath 常用规则
二、介绍
安装lxml 库，导入库，from lxml import etree
2.1 构造XPath 解析对象
index.html的内容
'''<html><head><title>The Dormouse's story</title></head>
<body>
<p class="title" name="dromouse"><b>The Dormouse's story</b></p>
<p class="story">Once upon a time there were three little sisters; and their names were
<a href="http://example.com/elsie" class="sister" id="link1"><!-- Elsie --></a>,
<a href="http://example.com/lacie" class="sister" id="link2">Lacie</a> and
<a href="http://example.com/tillie" class="sister" id="link3">Tillie</a>;
and they lived at the bottom of a well.</p>
<p class="story">...</p>'''
html = etree.parse('index.html',etree.HTMLParser())#构造
print(html)
result = etree.tostring(html)#调用tostring （）方法可以修正html（有些html中会缺失，比如缺失</html>）
2.2 获取节点
获取所有节点：用//开头的XPa th 规则来选取所有符合要求的节点。*代表：匹配所有节点。
获取子节点：通过／或／／即可查找元素的子节点或子孙节点
父节点：…获取；过parent ：：来获取父节点
属性匹配：@
文本获取：text（）（1.先选取某一节点在获取文本；2.直接用//）
属性获取：@
属性多值匹配：某些节点的某个属性可能有多个值，用contains （）函数
多属性匹配：用and
html = etree.parse('index.html',etree.HTMLParser())
result1 = html.xpath('//*')#*代表：匹配所有节点。
print(result1)
result2 = html.xpath('//p')#匹配所有p节点。
print(result2)
result2 = html.xpath('//p/b')#匹配p节点后的b节点，子节点。
print(result2)
result3 = html.xpath('//a[@href="http://example.com/elsie"]/../@class')
print(result3)
result4 = html.xpath('//a[@id="link1"]/../@class')
print(result4)
result5 = html.xpath('//a[@id="link1"]/parent::*/@class')
print(result5)
result6 = html.xpath('//a[@id="link1"]')
print(result6)
result7 = html.xpath('//p[@class="story"]/a/text()')
print(result7)
result8 = html.xpath('//p[@class="story"]//text()')
print(result8)
result9 = html.xpath('//p/a/@href')
print(result9)
result9 = html.xpath('//p/a/@class')
print(result9)
1330
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
