xpath解析简单操作
test.html
<!DOCTYPE html>
<html lang="en">
<head>
<meta charset="UTF-8">
<title>Title</title>
</head>
<body>
<ul>
<li>
<a href="http://baidu.com">百度</a>
</li>
<li>
<a href="http://taobao.com">淘宝</a>
</li>
<li>
<a href="http://douban.com">豆瓣</a>
</li>
</ul>
<ol>
<li>
<a href="http://baidu.com">飞机</a>
</li>
<li>
<a href="http://taobao.com">坦克</a>
</li>
<li>
<a href="http://douban.com">dp</a>
</li>
</ol>
<div class="x">xbb</div>
<div class="d">
dbb
</div>
</body>
</html>
py代码：
import lxml.etree as etree
f=open("test.html",mode="r",encoding='utf-8')
pageSource=f.read()
#加载数据，返回element
et = etree.HTML(pageSource)
#xpath语法
res = et.xpath("/html") #/html表示根结点
res = et.xpath("/html/body") #表达式中的/表示一层html节点
res = et.xpath("/html/body/ul/li/a/text()") #text()表示提取标签中的文本信息
print(res)#['百度', '淘宝', '豆瓣']
res = et.xpath("/html/body/*/li/a/text()")#中间加一个*表示可以匹配任何字符
print(res)#['百度', '淘宝', '豆瓣', '飞机', '坦克', 'dp']
res = et.xpath("/html/body/*/li/a/@href")#@href拿到a标签里面的href属性
print(res)#['http://baidu.com', 'http://taobao.com', 'http://douban.com', 'http://baidu.com', 'http://taobao.com', 'http://douban.com']
res = et.xpath("//a/@href")#//表示任意位置的a标签
print(res)
res = et.xpath("//div[@class='x']/text()")#属性上的限定
print(res)
res = et.xpath("/html/body/ul/li")#拿到元素对象
for item in res:
href=item.xpath("./a/@href")#"./"表示当前元素
text = item.xpath("./a/text()") # "./"表示当前元素
print(text,href)
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
