在xpath中使用正则表达式

xpath中使用正则表达式

其实我自己也从来没用到过,在此记录一下,万一以后会用到呢。
比如有个网站正文部分是: //*[@id='postmessage_32199']
另一个同级别页面的正文是: //*[@id='postmessage_32153']
要抓取这种正文其实可以用xpath: //*[starts-with(@id, 'postmessage_')]
或者 //*[contains(@id, 'postmessage_')]
也可以选择在xpath中使用正则表达式:doc.xpath(r'//*[re:match(@id, "postmessage_\d+")]', namespace={"re": "http://exslt.org/regular-expressions"})

 

xpath中如何看选住原文的内容

选取页面元素el,通过to_string 方法可以拿到页面标签的原文不过是bytes类型,可以用bytes.decoding
result = etree.tostring(el)
print(result.decode('utf-8'))

 

posted @    ̄□ ̄  阅读(10222)  评论(4编辑  收藏  举报
编辑推荐:
· [.NET]调用本地 Deepseek 模型
· 一个费力不讨好的项目,让我损失了近一半的绩效!
· .NET Core 托管堆内存泄露/CPU异常的常见思路
· PostgreSQL 和 SQL Server 在统计信息维护中的关键差异
· C++代码改造为UTF-8编码问题的总结
阅读排行:
· 【.NET】调用本地 Deepseek 模型
· CSnakes vs Python.NET:高效嵌入与灵活互通的跨语言方案对比
· Plotly.NET 一个为 .NET 打造的强大开源交互式图表库
· DeepSeek “源神”启动!「GitHub 热点速览」
· 上周热点回顾(2.17-2.23)
点击右上角即可分享
微信分享提示