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

  

  Wegic

  AI网页设计和开发工具

  下载

• 用 lxml 来解析HTML代码

# 先安装lxml
# 用 lxml 来解析HTML代码

from lxml import etree

text = '''

    

        
item 0 
        
item 1 
        
item 2 
        
item 3 
        
item 4 
        
item 5 
    
     
'''

# 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)

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 etree

xml = 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 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)

运行结果

etree和XPath 配合使用结果

相关推荐：

python爬虫之xpath的基本使用详解

python爬虫是什么？为什么把python叫做爬虫？