日韩无码专区无码一级三级片|91人人爱网站中日韩无码电影|厨房大战丰满熟妇|AV高清无码在线免费观看|另类AV日韩少妇熟女|中文日本大黄一级黄色片|色情在线视频免费|亚洲成人特黄a片|黄片wwwav色图欧美|欧亚乱色一区二区三区

本文主要圍繞以xpath和lxml庫進(jìn)行展開：

10年積累的網(wǎng)站制作、網(wǎng)站設(shè)計經(jīng)驗，可以快速應(yīng)對客戶對網(wǎng)站的新想法和需求。提供各種問題對應(yīng)的解決方案。讓選擇我們的客戶得到更好、更有力的網(wǎng)絡(luò)服務(wù)。我雖然不認(rèn)識你，你也不認(rèn)識我。但先網(wǎng)站設(shè)計后付款的網(wǎng)站建設(shè)流程，更有湯旺免費網(wǎng)站建設(shè)讓你可以放心的選擇與我們合作。

一、xpath 概念、xpath節(jié)點、xpath語法、xpath軸、xpath運算符

二、lxml的安裝、lxml的使用、lxml案例

一、xpath

1.xpath概念

XPath 是一門在 XML 文檔中查找信息的語言。XPath 使用路徑表達(dá)式在 XML 文檔中進(jìn)行導(dǎo)航 。XPath 包含一個標(biāo)準(zhǔn)函數(shù)庫 。XPath 是 XSLT 中的主要元素 。XPath 是一個 W3C 標(biāo)準(zhǔn) 。

2.xpath節(jié)點

xpath有七種類型的節(jié)點：元素、屬性、文本、命名空間、處理指令、注釋以及文檔(根)節(jié)點。

節(jié)點關(guān)系：父、子、兄弟、先輩、后輩。

3.xpath語法

xpath語法在W3c網(wǎng)站上有詳細(xì)的介紹，這里截取部分知識，供大家學(xué)習(xí)。

XPath 使用路徑表達(dá)式在 XML 文檔中選取節(jié)點。節(jié)點是通過沿著路徑或者 step 來選取的。下面列出了最有用的路徑表達(dá)式：

在下面的表格中，我們已列出了一些路徑表達(dá)式以及表達(dá)式的結(jié)果：

謂語(Predicates)

謂語用來查找某個特定的節(jié)點或者包含某個指定的值的節(jié)點。

謂語被嵌在方括號中。

在下面的表格中，我們列出了帶有謂語的一些路徑表達(dá)式，以及表達(dá)式的結(jié)果：

選取未知節(jié)點

XPath 通配符可用來選取未知的 XML 元素。

在下面的表格中，我們列出了一些路徑表達(dá)式，以及這些表達(dá)式的結(jié)果：

選取若干路徑

通過在路徑表達(dá)式中使用"|"運算符，您可以選取若干個路徑。

在下面的表格中，我們列出了一些路徑表達(dá)式，以及這些表達(dá)式的結(jié)果：

4.xpath 軸

軸可定義相對于當(dāng)前節(jié)點的節(jié)點集。

5.xpath運算符

下面列出了可用在 XPath 表達(dá)式中的運算符：

好了，xpath的內(nèi)容就這么多了。接下來我們要介紹一個神器lxml，他的速度很快，曾經(jīng)一直是我使用beautifulsoup時最鐘愛的解析器，沒有之一，因為他的速度的確比其他的html.parser 和html5lib快了許多。

二、lxml

1.lxml安裝

lxml 是一個xpath格式解析模塊，安裝很方便，直接pip install lxml 或者easy_install lxml即可。

2.lxml 使用

lxml提供了兩種解析網(wǎng)頁的方式，一種是你解析自己寫的離線網(wǎng)頁時，另一種 則是解析線上網(wǎng)頁。

導(dǎo)入包：

 
 
 
 

  
  
  
  
from lxml import  etree 
 
 
 
 

1.解析離線網(wǎng)頁：

 
 
 
 

  
  
  
  
html=etree.parse('xx.html',etree.HTMLParser()) 
  
  
  
  
aa=html.xpath('//*[@id="s_xmancard_news"]/div/div[2]/div/div[1]/h2/a[1]/@href') 
  
  
  
  
print(aa) 
 
 
 
 

2.解析在線網(wǎng)頁：

 
 
 
 

  
  
  
  
from lxml import etree 
  
  
  
  
import requests 
  
  
  
  
rep=requests.get('https://www.baidu.com') 
  
  
  
  
html=etree.HTML(rep.text) 
  
  
  
  
aa=html.xpath('//*[@id="s_xmancard_news"]/div/div[2]/div/div[1]/h2/a[1]/@href') 
  
  
  
  
print(aa) 
 
 
 
 

那么我們怎么獲取這些標(biāo)簽和標(biāo)簽對應(yīng)的屬性值了，很簡單，首先獲取標(biāo)簽只需你這樣做：

然后我們可以，比方說，你要獲取a標(biāo)簽內(nèi)的文本和它的屬性href所對應(yīng)的值，有兩種方法，

1.表達(dá)式內(nèi)獲取

 
 
 
 

  
  
  
  
aa=html.xpath('//*[@id="s_xmancard_news"]/div/div[2]/div/div[1]/h2/a[1]/text()') 
  
  
  
  
 
  
  
  
  
ab=html.xpath('//*[@id="s_xmancard_news"]/div/div[2]/div/div[1]/h2/a[1]/@href') 
 
 
 
 

2.表達(dá)式外獲取

 
 
 
 

  
  
  
  
aa=html.xpath('//*[@id="s_xmancard_news"]/div/div[2]/div/div[1]/h2/a[1]') 
  
  
  
  
 
  
  
  
  
aa.text 
  
  
  
  
 
  
  
  
  
aa.attrib.get('href') 
 
 
 
 

這樣就完成了獲取，怎么樣，是不是很簡單了，哈哈哈。

下面再來lxml的解析規(guī)則：

 
 
 
 

  
  
  
  
html = lxml.etree.HTML(text) 
  
  
  
  
#使用text構(gòu)造一個XPath解析對象,etree模塊可以自動修正HTML文本 
  
  
  
  
html = lxml.etree.parse('./ex.html',etree.HTMLParser()) 
  
  
  
  
#直接讀取文本進(jìn)行解析 
  
  
  
  
from lxml import etree 
  
  
  
  
result = html.xpath('//*') 
  
  
  
  
#選取所有節(jié)點 
  
  
  
  
result = html.xpath('//li') 
  
  
  
  
#獲取所有l(wèi)i節(jié)點 
  
  
  
  
result = html.xpath('//li/a') 
  
  
  
  
#獲取所有l(wèi)i節(jié)點的直接a子節(jié)點 
  
  
  
  
result = html.xpath('//li//a') 
  
  
  
  
#獲取所有l(wèi)i節(jié)點的所有a子孫節(jié)點 
  
  
  
  
result = html.xpath('//a[@href="link.html"]/../@class') 
  
  
  
  
#獲取所有href屬性為link.html的a節(jié)點的父節(jié)點的class屬性 
  
  
  
  
result = html.xpath('//li[@class="ni"]') 
  
  
  
  
#獲取所有class屬性為ni的li節(jié)點 
  
  
  
  
result = html.xpath('//li/text()') 
  
  
  
  
#獲取所有l(wèi)i節(jié)點的文本 
  
  
  
  
result = html.xpath('//li/a/@href') 
  
  
  
  
#獲取所有l(wèi)i節(jié)點的a節(jié)點的href屬性 
  
  
  
  
result = html.xpath('//li[contains(@class,"li")]/a/text()) 
  
  
  
  
#當(dāng)li的class屬性有多個值時，需用contains函數(shù)完成匹配 
  
  
  
  
result = html.xpath('//li[contains(@class,"li") and @name="item"]/a/text()') 
  
  
  
  
#多屬性匹配 
  
  
  
  
result = html.xpath('//li[1]/a/text()') 
  
  
  
  
result = html.xpath('//li[last()]/a/text()') 
  
  
  
  
result = html.xpath('//li[position()<3]/a/text()') 
  
  
  
  
result = html.xpath('//li[last()-2]/a/text()') 
  
  
  
  
#按序選擇，中括號內(nèi)為XPath提供的函數(shù) 
  
  
  
  
result = html.xpath('//li[1]/ancestor::*') 
  
  
  
  
#獲取祖先節(jié)點 
  
  
  
  
result = html.xpath('//li[1]/ancestor::div') 
  
  
  
  
result = html.xpath('//li[1]/attribute::*') 
  
  
  
  
#獲取屬性值 
  
  
  
  
result = html.xpath('//li[1]/child::a[@href="link1.html"]') 
  
  
  
  
#獲取直接子節(jié)點 
  
  
  
  
result = html.xpath('//li[1]/descendant::span') 
  
  
  
  
#獲取所有子孫節(jié)點 
  
  
  
  
result = html.xpath('//li[1]/following::*[2]') 
  
  
  
  
#獲取當(dāng)前節(jié)點之后的所有節(jié)點的第二個 
  
  
  
  
result = html.xpath('//li[1]/following-sibling::*') 
  
  
  
  
#獲取后續(xù)所有同級節(jié)點 
 
 
 
 

3.lxml案例

為了偷懶，小編決定還是采用urllib那篇文章的代碼，哈哈哈，機(jī)智如我。

好了，今天就講這么多，大家感興趣的話可以多多關(guān)注哦，精彩不停息!!!!

本文參考文獻(xiàn)：

https://www.w3school.com.cn/

本文轉(zhuǎn)載自微信公眾號「IT共享之家」，可以通過以下二維碼關(guān)注。轉(zhuǎn)載本文請聯(lián)系IT共享之家公眾號。

本文名稱：Python解析庫Lxml與Xpath用法總結(jié)
網(wǎng)址分享：http://www.5511xx.com/article/dhodice.html