這篇文章要跟大家介紹的是Python爬蟲之lxml-etree和xpath的結合使用(附案例),內容很詳細,希望可以幫助到大家。
lxml:python 的HTML/XML的解析器
官網文件:https://lxml.de/
使用前,需要安裝安lxml 套件
功能:
1.解析HTML:使用etree.HTML(text) 將字串格式的html 片段解析成html 文件
2.讀取xml檔
3.etree和XPath 搭配使用
lxml 的安裝
#【PyCharm】>【file】>【settings】>【Project Interpreter】>【 】 >【lxml】>【install】
具體操作截圖:
##lxml-etree 的使用
案例v25檔案:https://xpwi.github.io/py/py爬蟲/py25etree.py# 先安装lxml # 用 lxml 来解析HTML代码 from lxml import etree text = '''<p> <ul> <li class="item-0"><a href="0.html">item 0 </a></li> <li class="item-1"><a href="1.html">item 1 </a></li> <li class="item-2"><a href="2.html">item 2 </a></li> <li class="item-3"><a href="3.html">item 3 </a></li> <li class="item-4"><a href="4.html">item 4 </a></li> <li class="item-5"><a href="5.html">item 5 </a></li> </ul> </p>''' # 利用 etree.HTML 把字符串解析成 HTML 文件 html = etree.HTML(text) s = etree.tostring(html).decode() print(s)
# lxml-etree读取文件from lxml import etree xml = etree.parse("./py24.xml") sxml = etree.tostring(xml, pretty_print=True) print(sxml)
案例v26expath.檔案:https://xpwi.github.io/py/py爬蟲/py26expath.py
# lxml-etree读取文件from lxml import etree xml = etree.parse("./py24.xml") print(type(xml))# 查找所有 book 节点rst = xml.xpath('//book') print(type(rst)) print(rst)# 查找带有 category 属性值为 sport 的元素rst2 = xml.xpath('//book[@category="sport"]') print(type(rst2)) print(rst2)# 查找带有category属性值为sport的元素的book元素下到的year元素rst3 = xml.xpath('//book[@category="sport"]/year') rst3 = rst3[0] print('-------------\n',type(rst3)) print(rst3.tag) print(rst3.text)###運行結果######etree和XPath 配合使用結果################相關推薦:########python爬蟲之xpath的基本使用詳解###############python爬蟲是什麼?為什麼把python叫做爬蟲? ######
以上是Python爬蟲之lxml-etree和xpath的結合使用(附案例)的詳細內容。更多資訊請關注PHP中文網其他相關文章!