今天說(shuō)的則是使用另外一種擴(kuò)展庫(kù) lxml 來(lái)對(duì)網(wǎng)頁(yè)完成解析。同樣的，lxml 庫(kù)能完成對(duì) html、xml 格式的文件解析，并且能夠用來(lái)解析大型的文檔、解析速度也是相對(duì)比較快的。
要掌握 lxml 的使用，就需要掌握掌握 xpath 的使用方法，因?yàn)?lxml 擴(kuò)展庫(kù)就是基于 xpath 的，所以這一章的重點(diǎn)主要還是對(duì) xpath 語(yǔ)法使用的說(shuō)明。
# -*- coding: UTF-8 -*- # 從 lxml 導(dǎo)入 etree from lxml import etree # 首先獲取到網(wǎng)頁(yè)下載器已經(jīng)下載到的網(wǎng)頁(yè)源代碼 # 這里直接取官方的案例 html_doc = """ html>head>title>The Dormouse's story/title>/head> body> p class="title">b>The Dormouse's story/b>/p> p class="story">Once upon a time there were three little sisters; and their names were a rel="external nofollow" class="sister" id="link1">Elsie/a>, a rel="external nofollow" class="sister" id="link2">Lacie/a> and a rel="external nofollow" class="sister" id="link3">Tillie/a>; and they lived at the bottom of a well./p> p class="story">.../p> """ # 初始化網(wǎng)頁(yè)下載器的 html_doc 字符串,返回一個(gè) lxml 的對(duì)象 html = etree.HTML(html_doc)
按照節(jié)點(diǎn)的方式獲取元素
# xpath() 使用標(biāo)簽節(jié)點(diǎn)的方式獲取元素
print html.xpath('/html/body/p')
# [Element p at 0x2ebc908>, Element p at 0x2ebc8c8>, Element p at 0x2eb9a48>]
print html.xpath('/html')
# [Element html at 0x34bc948>]
# 在當(dāng)前節(jié)點(diǎn)的子孫節(jié)點(diǎn)中查找 a 節(jié)點(diǎn)
print html.xpath('//a')
# 在當(dāng)前節(jié)點(diǎn)的子節(jié)點(diǎn)中查找 html 節(jié)點(diǎn)
print html.xpath('/html')
按照篩選的方式獲取元素
'''
根據(jù)單一屬性獲取元素
'''
# 獲取子孫節(jié)點(diǎn)中,屬性 class=bro 的 a 標(biāo)簽
print html.xpath('//a[@class="bro"]')
# 獲取子孫節(jié)點(diǎn)中,屬性 id=link3 的 a 標(biāo)簽
print html.xpath('//a[@id="link3"]')
'''
根據(jù)多個(gè)屬性獲取元素
'''
# 獲取class屬性等于sister，并且id等于link3的a標(biāo)簽
print html.xpath('//a[contains(@class,"sister") and contains(@id,"link1")]')
# 獲取class屬性等于bro，或者id等于link1的a標(biāo)簽
print html.xpath('//a[contains(@class,"bro") or contains(@id,"link1")]')
# 使用 last() 函數(shù)，獲取子孫代的a標(biāo)簽的最后一個(gè)a標(biāo)簽
print html.xpath('//a[last()]')
# 使用 1 函數(shù)，獲取子孫代的a標(biāo)簽的第一個(gè)a標(biāo)簽
print html.xpath('//a[1]')
# 標(biāo)簽篩選，position()獲取子孫代的a標(biāo)簽的前兩個(gè)a標(biāo)簽
print html.xpath('//a[position() 3]')
'''
使用計(jì)算的方式，獲取多個(gè)元素
'''
# 標(biāo)簽篩選，position()獲取子孫代的a標(biāo)簽的第一個(gè)與第三個(gè)標(biāo)簽
# 可以使用的計(jì)算表達(dá)式：>、、=、>=、=、+、-、and、or
print html.xpath('//a[position() = 1 or position() = 3]')
獲取元素的屬性與文本
'''
使用@獲取屬性值，使用text() 獲取標(biāo)簽文本
'''
# 獲取屬性值
print html.xpath('//a[position() = 1]/@class')
# ['sister']
# 獲取標(biāo)簽的文本值
print html.xpath('//a[position() = 1]/text()')
到此這篇關(guān)于python 網(wǎng)頁(yè)解析器掌握第三方 lxml 擴(kuò)展庫(kù)與 xpath 的使用方法的文章就介紹到這了,更多相關(guān)python lxml 擴(kuò)展庫(kù)與 xpath內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
標(biāo)簽：股票 駐馬店 畢節(jié) 江蘇 湖州 衡水 呼和浩特 中山
巨人網(wǎng)絡(luò)通訊聲明：本文標(biāo)題《python 網(wǎng)頁(yè)解析器掌握第三方 lxml 擴(kuò)展庫(kù)與 xpath 的使用方法》，本文關(guān)鍵詞 python,網(wǎng)頁(yè),解析,器,掌握,；如發(fā)現(xiàn)本文內(nèi)容存在版權(quán)問(wèn)題，煩請(qǐng)?zhí)峁┫嚓P(guān)信息告之我們，我們將及時(shí)溝通與處理。本站內(nèi)容系統(tǒng)采集于網(wǎng)絡(luò)，涉及言論、版權(quán)與本站無(wú)關(guān)。
