前面学习了使用requests获取页面源码,用Requests库获取网页并保存
今天一起学习如何解析源码?
xpath表达式:
是最常用最便捷高效的一种解析方式且,通用性强。
解析原理:1、实例化一个etree对象,且需要将被解析的页面源码数据加载到该etree对象中。2、调用etree对象中的xpath方法,结合xpath表达式实现标签定位和内容获取。
环境安装:pip install lxml
实例化etree对象:from lxml import etree
1、将本地html文档加载:etree.parse(filePath)2、将互联网获取的源码加载etree.HTML('page_text')3、xpath表达式
/:表示从根节点开始定位。表示一个层级。//:表示多个层级。可以表示从任意位置开始定位。属性定位://div[@class='song'] tag[@attrName='atttrValue']索引定位://div[@class='song']