解析库的使用——使用XPath

from lxml import etree

html = etree.parse('./test.html',etree.HTMLParser())
result = etree.tostring(html)#可自动补全标签
print(result.decode('utf-8'))

#获取所有节点
html = etree.parse('./test.html',etree.HTMLParser())
result = html.xpath('//*')
print(result)

#获取所有div节点

html = etree.parse('./test.html',etree.HTMLParser())
result = html.xpath('//div')
print(result)

#通过/或//即可查找元素的子节点或子孙节点
html = etree.parse('./test.html',etree.HTMLParser())
result = html.xpath('//div/script')#此处的/用于选取直接子节点,如果要获取所有子孙节点,就可以使用//
print(result)

#查找父节点用..来实现
html = etree.parse('./test.html',etree.HTMLParser())
#result = html.xpath('//a[@')
print(result)

#属性匹配
html = etree.parse('./test.html',etree.HTMLParser())
result = html.xpath('//li[@class="item-0"]')#选取class为item-1的li节点
print(result)

#文本获取,获取节点中的文本text()
html = etree.parse('./test.html',etree.HTMLParser())
result = html.xpath('//li[@class="item-0"]/text()')
print(result)

#节点属性,获取比如li节点下所有a节点的href属性
html = etree.parse('./test.html',etree.HTMLParser)
result = html.xpath('//li/a/@href')
print(result)

#属性多值匹配,比如class="li li-first",上边的就无法实现
text = '''
<li class="li li-first" name="item"><a href="link.html">first item</a></li>
'''
html = etree.HTML(text)
result = html.xpath('//li[contains(@class,"li")]/a/text()')#第一个参数属性名称,第二个属性值
#多属性
result = html.xpath('//li[contains(@class,"li") and @name="item"]/a/text()')
print(result)

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值