04 - xpath与lxml的应用

目录

1. xpath简介

• 什么是xpath
• xpath基本语法结构

2. lxml模块基本用法

课堂笔记

1. xpath简介

1.1 什么是xpath

• XPath（XML Path Language）是一种XML的查询语言，能在XML的树状模型中对结点进行查找
• xpath主要通过文档中结点的关键字或属性对结点内容进行定位
• xpath工具安装

1.2 xpath基本语法结构

语法	作用
nodeName	选取nodeName下的所有结点
/	表示从根节点开始
//	选取根节点下的所有结点
@	对属性进行筛选
.	选取当前结点
..	选取当前的上一级结点，即父节点
*	通配符，匹配所有结点
@*	匹配所有属性结点
node()	匹配任何类型结点
text()	获取结点下的文本内容

2. lxml模块基本用法

• lxml 主要作为XML/HTML的解析器，对其文本内容进行解析和提取

• 导入lxml下的etree模块：from lxml import etree

• etree类作用：

  • 将XML/HTML文本转换成Element对象
  • 将Element对象转换成字符串或二进制数据

• 基本用法：

<!-- students.xml文档 -->
<students>
	<student id="cls_01">
    	<name>xxx</name>
        <java>89</java>
        <uml>80</uml>
    </student>
    <student id="cls_02">
    	<name>yyy</name>
        <java>78</java>
        <uml>97</uml>
    </student>
</students>

from lxml import etree
# 打开students.xml文档
with open('students.xml', 'r', encoding='utf-8') as f:
    # 从xml文档中读取内容，并将其转换成Element对象
    html = etree.HTML(f.read())
    # xpath获取根节点下的所有student结点下的age的文本内容
    res = html.xpath('//student/age/text()')
    for i in res:       # 遍历打印所有student下的age文本内容
        print(i)		# 89 78

• 其他特殊匹配

特殊匹配	作用
//student[x]	获取根结点下的第x个student结点
//student[last()]	获取根结点下最后一个student结点
//student[last()-x]	获取根结点下倒数第x+1个student结点
//student[position()<x]	获取根结点下第1 - x-1个student结点
//student[@id]	获取根结点下所有拥有id属性的student结点
//student[java>80]	获取根结点下所有student下的Java成绩大与80的student结点