Python爬虫之lxml-etree和xpath的结合使用（附案例）

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，需要安装安 lxml 包

功能：

立即学习“Python免费学习笔记（深入）”；

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

lxml 的安装

【PyCharm】>【file】>【settings】>【Project Interpreter】>【+】 >【lxml】>【install】

具体操作截图：

lxml-etree 的使用

• 案例v25文件：https://xpwi.github.io/py/py%E7%88%AC%E8%99%AB/py25etree.py

• 用 lxml 来解析HTML代码

# 先安装lxml# 用 lxml 来解析HTML代码from lxml import etreetext = '''<p>    </p>

运行结果

lxml-etree 的使用

• 案例v26etree2文件：https://xpwi.github.io/py/py%E7%88%AC%E8%99%AB/py26etree2.py

• 读取xml文件：

# lxml-etree读取文件from lxml import etreexml = etree.parse("./py24.xml")sxml = etree.tostring(xml, pretty_print=True)print(sxml)

运行结果

etree和XPath 配合使用

• 案例v26expath.文件：https://xpwi.github.io/py/py%E7%88%AC%E8%99%AB/py26expath.py

• etree和XPath 配合使用：

# lxml-etree读取文件from lxml import etreexml = 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('-------------',type(rst3))print(rst3.tag)print(rst3.text)

运行结果

etree和XPath 配合使用结果