python的lxml库简介_Python lxml教程

>>> html = etree.Element('html')

>>> body = etree.SubElement(html, 'body')

>>> body.text = 'Text'

>>> print(etree.tostring(html))

b'

Text'

>>> br = etree.SubElement(body, 'br')

>>> print(etree.tostring(html))

b'

Text
'

# tail仅在该标签后面追加文本

>>> br.tail = 'Tail'

>>> print(etree.tostring(br))

b'
Tail'

>>> print(etree.tostring(html))

b'

Text
Tail'

# tostring方法增加method参数，过滤单一标签，输出全部文本

>>> print(etree.tostring(html, method='text'))

b'TextTail'

2、XPath方式 # 方式一：过滤单一标签，返回文本

>>> print(html.xpath('string()'))

TextTail

# 方式二：返回列表，以单一标签为分隔

>>> print(html.xpath('//text()'))

['Text', 'Tail']

方法二获得的列表，每个元素都会带上它所属节点及文本类型信息，如下： >>> texts = html.xpath('//text()'))

>>> print(texts[0])

Text

# 所属节点

>>> parent = texts[0].getparent()

>>> print(parent.tag)

body

>>> print(texts[1], texts[1].getparent().tag)

Tail br

# 文本类型：是普通文本还是tail文本

>>> print(texts[0].is_text)

True

>>> print(texts[1].is_text)

False

>>> print(texts[1].is_tail)

True

文件解析与输出

这一节回答问题1。

这部分讲述如何将XML文件解析为 Element 对象，以及如何将 Element 对象输出为XML文件。1、文件解析

文件解析常用的有 fromstring 、 XML 和 HTML 三个方法。接受的参数都是字符串。>>> xml_data = 'data'

# fromstring方法

>>> root1 = etree.fromstring(xml_data)

>>> print(root1.tag)

root

>>> print(etree.tostring(root1))

b'data'

# XML方法，与fromstring方法基本一样

>>> root2 = etree.XML(xml_data)

>>> print(root2.tag)

root

>>> print(etree.tostring(root2))

b'data'

# HTML方法，如果没有和

标签，会自动补上

>>> root3 = etree.HTML(xml_data)

>>> print(root3.tag)

html

>>> print(etree.tostring(root3))

b'

data'

2、输出

输出其实就是前面一直在用的 tostring 方法了，这里补充 xml_declaration和 encoding 两个参数，前者是XML声明，后者是指定编码。>>> root = etree.XML('')

>>> print(etree.tostring(root))

b''

# XML声明

>>> print(etree.tostring(root, xml_declaration=True))

b"<?xml version='1.0' encoding='ASCII'?>\n"

# 指定编码

>>> print(etree.tostring(root, encoding='iso-8859-1'))

b"<?xml version='1.0' encoding='iso-8859-1'?>\n"

ElementPath

这一节回答问题2。

讲 ElementPath 前，需要引入 ElementTree 类，一个 ElementTree 对象可理解为一个完整的XML树，每个节点都是一个 Element 对象。而 ElementPath 则相当于XML中的XPath。用于搜索和定位 Element 元素。这里介绍两个常用方法，可以满足大部分搜索、查询需求，它们的参数都是XPath语句：

findall()：返回所有匹配的元素，返回列表

find()：返回匹配到的第一个元素 >>> root = etree.XML("aText")

# 查找第一个b标签

>>> print(root.find('b'))

None

>>> print(root.find('a').tag)

a

# 查找所有b标签，返回Element对象组成的列表

>>> [ b.tag for b in root.findall('.//b') ]

['b', 'b']

# 根据属性查询

>>> print(root.findall('.//a[@x]')[0].tag)

a

>>> print(root.findall('.//a[@y]'))

[]

参考：