Python爬虫之lxml-etree和xpath的结合使用

本篇文章给大家介绍的是Python爬虫之lxml-etree和xpath的结合使用（附案例），内容很详细，希望可以帮助到大家。

lxml:python的HTML / XML的解析器

官网文档：https://lxml.de/

使用前需要安装lxml包

终端输入（win7.8,10在cmd输入）pip install -i  https://pypi.tuna.tsinghua.edu.cn/simple lxml

功能：

1  解析html:使用etree.html(text)将字符串格式的 html片段解析成 html 文档

2 读取xml文件

3 etree和xpath配合使用（本文主要介绍）

示例：etree和xpath配合使用

# 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)

 

结果：

示例：使用lxml解析html代码

# 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)

结果：

示例：读取xml文件

 

# lxml-etree读取文件from lxml import etree

 

xml = etree.parse("./py24.xml")

sxml = etree.tostring(xml, pretty_print=True)

 

print(sxml)

结果：