菜鸟笔记
提升您的技术认知

lxml中etree的简单用法-ag真人游戏

阅读 : 61

1.下载模块

pip install lxml #下载lxml模块 如果下载过慢可以尝试豆瓣的链接
pip install https://pypi.douban.com/simple lxml

2.导入模块

在lxml包的__init__模块中虽然没有etree,但貌似不影响使用,我的版本是:python3.7,lxml4.5.0

from lxml import etree 
from lxml.html import etree #两种方式在用法上没什么区别

3.etree的使用

h=etree.html(response.text)#response.text是网页的源码
h.xpath('//img')  #寻找所有的img结点,
h.xpath('//div').xpath('.//img')#寻找所有div下的所有img结点

4.xpath的语法

符号
xpath 使用路径表达式在 xml 文档中选取节点。节点是通过沿着路径或者 step 来选取的。

表达式 描述
/ 从根节点选取
// 从匹配选择的当前节点选择文档中的节点,而不考虑它们的位置。
. 选取当前节点。
. . 选取当前节点的父节点。
@ 选取属性。
| 在两个中结点中选择
() 用()来包含|
* 包含所有元素
not 取反

实例

路径表达式 结果
bookstore 选取 bookstore 元素的所有子节点。
/bookstore 选取根元素 bookstore。注释:假如路径起始于正斜杠( / ),则此路径始终代表到某元素的绝对路径!
bookstore/book 选取属于 bookstore 的子元素的所有 book 元素。
//book 选取所有 book 子元素,而不管它们在文档中的位置。
bookstore//book 选择属于 bookstore 元素的后代的所有 book 元素,而不管它们位于 bookstore 之下的什么位置。
//@lang 选取名为 lang 的所有属性。
//*[@class] 选取带有class属性的所有元素
//div[@*] 匹配任意属性的div元素
//a[not(@class)] 匹配没有class属性的a元素

谓语
带谓语的路径表达式

路径表达式 结果
/bookstore/book[1] 选取属于 bookstore 子元素的第一个 book 元素。
/bookstore/book[last()] 选取属于 bookstore 子元素的最后一个 book 元素。
/bookstore/book[last()-1] 选取属于 bookstore 子元素的倒数第二个 book 元素。
/bookstore/book[position()< 3] 选取最前面的两个属于 bookstore 元素的子元素的 book 元素。
//title[@lang] 选取所有拥有名为 lang 的属性的 title 元素。
//title[@lang=‘eng’] 选取所有 title 元素,且这些元素拥有值为 eng 的 lang 属性。
/bookstore/book[price>35.00] 选取 bookstore 元素的所有 book 元素,且其中的 price 元素的值须大于 35.00。
/bookstore/book[price>35.00]/title 选取 bookstore 元素中的 book 元素的所有 title 元素,且其中的 price 元素的值须大于 35.00。
网站地图