Python如何使用字典,Python如何使用文件式
一、简介
路径语言是一门在可扩展置标语言文档中查找信息的语言路径语言可用来在可扩展置标语言文档中对元素和属性进行遍历路径语言是W3C XSLT标准的主要元素,并且查询语言和指针语言都构建于路径语言表达之上。
二、安装
pip 3安装XML三、使用
1、导入
fromlxmlimportetree2,基本使用
fromlxmlimportetree
wb_data=
差异
保险商实验所
Li href= link 1。html 第一项/a/Li
Li href= link 2。html 第二项/a/Li
Li href= link 3。 html 第三项/a/Li
Li href= link 4。html fourthitem/a/Li
李ahref= link 5。html 第五项/a
/ul
/div
html=etree .HTML(wb_data)
打印(html)
result=etree.tostring(html)
print(result.decode(utf-8 ))从下面的结果来看,我们打印机超文本标记语言其实就是一个大蟒对象,etree.tostring(html)则是不全里超文本标记语言的基本写法,补全了缺胳膊少腿的标签。
Elementhtmlat0x39e58f0
htmlbodydiv
n
bsp;<ul>
<li><ahref="link1.html">firstitem</a></li>
<li><ahref="link2.html">seconditem</a></li>
<li><ahref="link3.html">thirditem</a></li>
<li><ahref="link4.html">fourthitem</a></li>
<li><ahref="link5.html">fifthitem</a>
</li></ul>
</div>
</body></html>3、获取某个标签的内容(基本使用),注意,获取a标签的所有内容,a后面就不用再加正斜杠,否则报错。
写法一
html=etree.HTML(wb_data)写法二(直接在需要查找内容的标签后面加一个/text()就行)html_data=html.xpath('/html/body/div/ul/li/a')
print(html)
foriinhtml_data:
print(i.text)
<Elementhtmlat0x12fe4b8>
firstitem
seconditem
thirditem
fourthitem
fifthitem
html=etree.HTML(wb_data)4、打开读取html文件html_data=html.xpath('/html/body/div/ul/li/a/text()')
print(html)
foriinhtml_data:
print(i)
<Elementhtmlat0x138e4b8>
firstitem
seconditem
thirditem
fourthitem
fifthitem
#使用parse打开html的文件html=etree.parse('test.html')
html_data=html.xpath('//*')<br>#打印是一个列表,需要遍历
print(html_data)
foriinhtml_data:
print(i.text)
html=etree.parse('test.html')5、打印指定路径下a标签的属性(可以通过遍历拿到某个属性的值,查找标签的内容)html_data=etree.tostring(html,pretty_print=True)
res=html_data.decode('utf-8')
print(res)
打印:
<div>
<ul>
<li><ahref="link1.html">firstitem</a></li>
<li><ahref="link2.html">seconditem</a></li>
<li><ahref="link3.html">thirditem</a></li>
<li><ahref="link4.html">fourthitem</a></li>
<li><ahref="link5.html">fifthitem</a></li>
</ul>
</div>
html=etree.HTML(wb_data)6、我们知道我们使用xpath拿到得都是一个个的ElementTree对象,所以如果需要查找内容的话,还需要遍历拿到数据的列表。html_data=html.xpath('/html/body/div/ul/li/a/@href')
foriinhtml_data:
print(i)
打印:
link1.html
link2.html
link3.html
link4.html
link5.html
查到绝对路径下a标签属性等于link2.html的内容。
html=etree.HTML(wb_data)7、上面我们找到全部都是绝对路径(每一个都是从根开始查找),下面我们查找相对路径,例如,查找所有li标签下的a标签内容。html_data=html.xpath('/html/body/div/ul/li/a[@href="link2.html"]/text()')
print(html_data)
foriinhtml_data:
print(i)
打印:
['seconditem']
seconditem
html=etree.HTML(wb_data)8、上面我们使用绝对路径,查找了所有a标签的属性等于href属性值,利用的是/---绝对路径,下面我们使用相对路径,查找一下l相对路径下li标签下的a标签下的href属性的值,注意,a标签后面需要双//。html_data=html.xpath('//li/a/text()')
print(html_data)
foriinhtml_data:
print(i)
打印:
['firstitem','seconditem','thirditem','fourthitem','fifthitem']
firstitem
seconditem
thirditem
fourthitem
fifthitem
html=etree.HTML(wb_data)9、相对路径下跟绝对路径下查特定属性的方法类似,也可以说相同。html_data=html.xpath('//li/a//@href')
print(html_data)
foriinhtml_data:
print(i)
打印:
['link1.html','link2.html','link3.html','link4.html','link5.html']
link1.html
link2.html
link3.html
link4.html
link5.html
html=etree.HTML(wb_data)10、查找最后一个li标签里的a标签的href属性html_data=html.xpath('//li/a[@href="link2.html"]')
print(html_data)
foriinhtml_data:
print(i.text)
打印:
[<Elementaat0x216e468>]
seconditem
html=etree.HTML(wb_data)11、查找倒数第二个li标签里的a标签的href属性html_data=html.xpath('//li[last()]/a/text()')
print(html_data)
foriinhtml_data:
print(i)
打印:
['fifthitem']
fifthitem
html=etree.HTML(wb_data)12、如果在提取某个页面的某个标签的xpath路径的话,可以如下图:html_data=html.xpath('//li[last()-1]/a/text()')
print(html_data)
foriinhtml_data:
print(i)
打印:
['fourthitem']
fourthitem
//*[@id="kw"]
解释:使用相对路径查找所有的标签,属性id等于kw的标签。
#!/usr/bin/envpython盛行IT软件开发工作室,大量的免费python视频教程,欢迎在线学习!#-*-coding:utf-8-*-
fromscrapy.selectorimportSelector,HtmlXPathSelector
fromscrapy.httpimportHtmlResponse
html="""<!DOCTYPEhtml>
<html>
<head>
<metacharset="UTF-8">
<title></title>
</head>
<body>
<ul>
<li><aid='i1'href="link.html">firstitem</a></li>
<li><aid='i2'href="llink.html">firstitem</a></li>
<li><ahref="llink2.html">seconditem<span>vv</span></a></li>
</ul>
<div><ahref="llink2.html">seconditem</a></div>
</body>
</html>
"""
response=HtmlResponse(url='http://example.com',body=html,encoding='utf-8')
#hxs=HtmlXPathSelector(response)
#print(hxs)
#hxs=Selector(response=response).xpath('//a')
#print(hxs)
#hxs=Selector(response=response).xpath('//a[2]')
#print(hxs)
#hxs=Selector(response=response).xpath('//a[@id]')
#print(hxs)
#hxs=Selector(response=response).xpath('//a[@id="i1"]')
#print(hxs)
#hxs=Selector(response=response).xpath('//a[@href="link.html"][@id="i1"]')
#print(hxs)
#hxs=Selector(response=response).xpath('//a[contains(@href,"link")]')
#print(hxs)
#hxs=Selector(response=response).xpath('//a[starts-with(@href,"link")]')
#print(hxs)
#hxs=Selector(response=response).xpath('//a[re:test(@id,"i\d+")]')
#print(hxs)
#hxs=Selector(response=response).xpath('//a[re:test(@id,"i\d+")]/text()').extract()
#print(hxs)
#hxs=Selector(response=response).xpath('//a[re:test(@id,"i\d+")]/@href').extract()
#print(hxs)
#hxs=Selector(response=response).xpath('/html/body/ul/li/a/@href').extract()
#print(hxs)
#hxs=Selector(response=response).xpath('//body/ul/li/a/@href').extract_first()
#print(hxs)
#ul_list=Selector(response=response).xpath('//body/ul/li')
#foriteminul_list:
#v=item.xpath('./a/span')
##或
##v=item.xpath('a/span')
##或
##v=item.xpath('*/a/span')
#print(v)
郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。