解析html生成xpath,xpath解析html标签(示例代码)

最近忙一个需求：把一个字符串形式的html文档转化成excel。

分解需求：

① 实现语言 ———— python

② html解析 ———— 用 lxml库的etree工具，xpath方式解析文档树

③ 写excel ———— 用 xlwt库写excel

代码片段：

# -*- coding:utf-8 -*-

from __future__ import unicode_literals

import os, sys

reload(sys)

sys.setdefaultencoding(‘utf8‘)

import MySQLdb

import json

import xlwt

from lxml import etree

# 解析html字符串的方法

def change(data):

html = etree.HTML(str(data))

divs = html.xpath(‘//div[@class="content"]/div‘)

img_top = divs[0].xpath(‘./img/@src‘)

p_top_tmp_list = divs[0].xpath(‘./p/text()‘)

... ...

# 写excel的方法

def write_excel(filename, data):

book = xlwt.Workbook()                      #创建excel对象

sheet = book.add_sheet(‘sheet1‘)         #添加一个表

c = 0                                                #保存当前列

for d in data:                                     #取出data中的每一个元组存到表格的每一行

for index in range(len(d)):                #将每一个元组中的每一个单元存到每一列

sheet.write(c,index,d[index])

c += 1

book.save(filename)                           #保存excel