处理XML-----xPath

xml下用xpath

?

1 2 3 4

from lxml import etreetree = etree.parse(file_path) root = tree.getroot() title_expression = "/article/title[not(@xml:lang)]//text()" title_content = root.xpath(title_expression)

直接在网页上的xpath

?

1 2	from lxml import html response = requests.get(url) html_content = response.content # 使用lxml解析HTML文档 tree = html.fromstring(html_content)

　　

1 从节点筛选

• /: 从根节点开始选择。
• //: 选择节点，不考虑它们的位置。
• .: 选择当前节点。
• ..: 选择父节点。

　　

2 条件筛选

?

1 2 3 4 5 6 7 8 9 10

@选择属性。<br>选择 category 属性为 'fiction' 的 <book> 节点： /bookstore/book[@category='fiction']     选择 price 属性大于 30 的 <book> 节点 /bookstore/book[@price > 30]     选择不包含某个属性的节点 //bookstore/book[not(@category)]

　　

4. 选取文字

?

1	在xpath表达式后面加上/text()<br><br>选取该节点下的所有文字 //text()<br><br>

　　

5. 多项选择

 

6. 选取之后遍历 body_expression = '/article/body/section'

?

1	body_expression = '/article/body/section'<br>body_results = root.xpath(body_expression)<br>body_dict = {}<br>body_dict['开头'] = body_p_results<br>for result in body_results:<br>    title = result.xpath('title/text()')<br>    title = ''.join(title)title是列表