python 的lxml模块2

最新推荐文章于 2024-06-19 11:19:35 发布

wwanxinghao

最新推荐文章于 2024-06-19 11:19:35 发布

阅读量470

点赞数

分类专栏： python 文章标签： python 开发语言

本文链接：https://blog.csdn.net/wanggaoxingH/article/details/126883798

版权

python 专栏收录该内容

117 篇文章 4 订阅

订阅专栏

b.html

<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="utf-8"/>
    <title>Title</title>
</head>
<body>
    <ul>
        <li><a href="http://www.baidu.com">百度</a></li>
        <li><a href="http://www.google.com">Google</a></li>
        <li><a href="http://www.sogou.com">搜狗</a></li>
    </ul>
    <ol>
        <li><a href="feiji">飞机</a></li>
        <li><a href="dapao">大炮</a></li>
        <li><a href="huoche">火车</a></li>
    </ol>
    <div class="job">李嘉诚</div>
    <div class="common">胡辣汤</div>
</body>
</html>

from lxml import etree


tree =etree.parse('b.html')
result1 = tree.xpath('/html/body/ul/li/a/text()') # 获取所有a标签文本 ，打印：['百度', 'Google', '搜狗']
result2 = tree.xpath('/html/body/ul/li[1]/a/text()') # li[1]代表获取第一个li标签，xpath下标从1开始
print(result2)  # 打印：['百度']



# 获取ol标签下a标签的属性href='feiji'的文本内容
result3 = tree.xpath('/html/body/ol/li/a[@href="feiji"]/text()') # [@xxx=xxx]是对属性进行筛选
print(result3) # 打印：飞机


#  获取ol/li下a标签的文本
ol_li_list = tree.xpath('/html/body/ol/li')
for li in ol_li_list:
    result4 = li.xpath('./a/text()') # “./”代表当前路径，定位到li这级
    print('result4',result4) # 分别输出a标签下的：[飞机]，[大炮]，[火车]


# 获取/html/body/ol/li下a标签的属性href的值
ol_li_list2 = tree.xpath('/html/body/ol/li')
for i in ol_li_list2:
    result5 = i.xpath('./a/@href')  # "@href"可以输出对应的属性名称
    # 这里全路径也可以用：/html/body/ol/li/a/@href
    print(result5) # 这里分别打印：[feji],[dapao],[huoche]

谷歌浏览器快速定位路径的方法：