Python爬蟲之xlml解析庫(全面瞭解)，pythonxlml

Python爬蟲之xlml解析庫(全面瞭解)，pythonxlml

1.Xpath

Xpath是一門在XML中尋找資訊的語言，可用來在XML文檔中對元素和屬性進行遍曆。XQuery和xpoint都是構建於xpath表達之上

2.節點

父（parent），子（children），兄弟（sibling），先輩（ancetstor），後代（Decendant）

3.選取節點

路徑運算式

運算式	描述	路徑運算式	結果
nodename	選取此節點上的所有的子節點	bookstore	選取bookstore元素的所有子節點
/	從根節點上選取	/bookstore	選取根項目bookstore，為絕對路徑
//	從匹配選擇的當前節點選擇文檔中的節點，不考慮位置	//book	選取所有的book子項目，而不管他們在文檔的位置
.	選取當前節點	bookstore//book	選擇bookstore後代中所有的book元素
..	選取當前節點的父節點
@	選取屬性	//@lang	選取名為lang的所有屬性

謂語

　　謂語用來尋找某個特定的節點或者包含某個指定的值的節點

　　謂語被嵌在方括弧中

路徑運算式	結果
/bookstore/book[1]	選取屬於bookstore子項目的第一個book元素
/bookstore/book[last()]	選取屬於bookstore子項目的最後book元素
/bookstore/book[last()-1]	選取屬於bookstore子項目的倒數第二個book元素
/bookstore/book[position()<3]	選取最前面的兩個屬於bookstore元素的子項目的book元素
//title[@lang='eng']	選取所有的title元素，並且這些元素擁有值為eng的lang屬性
/bookstore/book[price>35.0]	選取bookstore元素的所有book元素，且其中的price值大於35.0

選取未知節點（萬用字元）

*　　匹配任何 元素節點

@*　　匹配任何屬性節點

node（）　　匹配任何類型的節點

4.lxml用法

#!/usr/bin/python#_*_coding:utf-8_*_from lxml import etreetext='''<div> <ul>  <li class="item-0"><a href="link1.html" rel="external nofollow" rel="external nofollow" >first item</a></li>  <li class="item-1"><a href="link2.html" rel="external nofollow" >second item</a></li>  <li class="item-inactive"><a href="link3.html" rel="external nofollow" >third item</a></li>  <li class="item-1"><a href="link4.html" rel="external nofollow" >fourth item</a></li>  <li class="item-0"><a href="link5.html" rel="external nofollow" >fifth item</a> </ul></div>  '''# html=etree.HTML(text) #html對象，儲存在地址中，有自動修正功能# result=etree.tostring(html) #將html對象轉化為字串html=etree.parse('hello.html')# result=etree.tostring(html,pretty_print=True)# print resultprint type(html)result= html.xpath('//li')print resultprint len(result)print type(result)print type(result[0])print html.xpath('//li/@class') # 擷取li標籤下的所有的classprint html.xpath('//li/a[@href="link1.html" rel="external nofollow" rel="external nofollow" ]') #擷取li標籤下href為link1的<a>標籤print html.xpath('//li//span') #擷取li標籤下所有的span標籤print html.xpath('//li[last()-1]/a')[0].text #擷取倒數第二個元素的內容

以上這篇Python爬蟲之xlml解析庫(全面瞭解)就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支援幫客之家。