知行编程网知行编程网  2022-11-19 08:30 知行编程网 |  隐藏边栏 |  9 
文章评分 0 次，平均分 0.0 ：
导语： 本文主要介绍了关于python如何使用xpath的相关知识，希望可以帮到处于编程学习途中的小伙伴


python如何使用xpath


一、简介

XPath 是一种用于在 XML 文档中查找信息的语言。 XPath 可用于遍历 XML 文档中的元素和属性。 XPath 是 W3C XSLT 标准的主要元素，XQuery 和 XPointer 都建立在 XPath 表达式之上。


二、安装
 

pip3 install lxml


三、使用

1、导入

from lxml import etree

2、基本使用 

from lxml import etree
 
wb_data = """
        <div>
            <ul>
                 <li><a href="link1.html">first item</a></li>
                 <li><a href="link2.html">second item</a></li>
                 <li><a href="link3.html">third item</a></li>
                 <li><a href="link4.html">fourth item</a></li>
                 <li><a href="link5.html">fifth item</a>
             </ul>
         </div>
        """
html = etree.HTML(wb_data)
print(html)
result = etree.tostring(html)
print(result.decode("utf-8"))

从下面的结果来看，我们的打印机html其实是一个python对象，而etree.tostring(html)是html在不完整的基本写法，完成了缺胳膊少腿的标签。 

<Element html at 0x39e58f0>
<html><body><div>
            <ul>
                 <li><a href="link1.html">first item</a></li>
                 <li><a href="link2.html">second item</a></li>
                 <li><a href="link3.html">third item</a></li>
                 <li><a href="link4.html">fourth item</a></li>
                 <li><a href="link5.html">fifth item</a>
             </li></ul>
         </div>
        </body></html>

3.获取a标签的内容（基本使用），注意要获取a标签的所有内容，a后不需要加正斜杠，否则会报错。

写法一

html = etree.HTML(wb_data)
html_data = html.xpath('/html/body/div/ul/li/a')
print(html)
for i in html_data:
    print(i.text)
 
 
<Element html at 0x12fe4b8>
first item
second item
third item
fourth item
fifth item

写法2（在需要查找内容的标签后面直接加一个/text()） 

html = etree.HTML(wb_data)
html_data = html.xpath('/html/body/div/ul/li/a/text()')
print(html)
for i in html_data:
    print(i)
 
<Element html at 0x138e4b8>
first item
second item
third item
fourth item
fifth item

4、打开读取html文件 

#使用parse打开html的文件
html = etree.parse('test.html')
html_data = html.xpath('//*')<br>#打印是一个列表，需要遍历
print(html_data)
for i in html_data:
    print(i.text)
html = etree.parse('test.html')
html_data = etree.tostring(html,pretty_print=True)
res = html_data.decode('utf-8')
print(res)
 
打印：
<div>
     <ul>
         <li><a href="link1.html">first item</a></li>
         <li><a href="link2.html">second item</a></li>
         <li><a href="link3.html">third item</a></li>
         <li><a href="link4.html">fourth item</a></li>
         <li><a href="link5.html">fifth item</a></li>
     </ul>
</div>

5.打印指定路径下a标签的属性（可以通过遍历找到标签的内容来获取某个属性的值） 

html = etree.HTML(wb_data)
html_data = html.xpath('/html/body/div/ul/li/a/@href')
for i in html_data:
    print(i)
 
打印：
link1.html
link2.html
link3.html
link4.html
link5.html

6、我们知道我们是使用xpath来一一获取ElementTree对象的，所以如果需要查找内容，还需要遍历获取到的数据列表。

查到绝对路径下a标签属性等于link2.html的内容。

html = etree.HTML(wb_data)
html_data = html.xpath('/html/body/div/ul/li/a[@href="link2.html"]/text()')
print(html_data)
for i in html_data:
    print(i)
 
打印：
['second item']
second item

7. 上面我们找到了所有的绝对路径（每个都从根开始），下面我们找到了相对路径，例如找到所有li标签下的一个标签的内容。 

html = etree.HTML(wb_data)
html_data = html.xpath('//li/a/text()')
print(html_data)
for i in html_data:
    print(i)
 
打印：
['first item', 'second item', 'third item', 'fourth item', 'fifth item']
first item
second item
third item
fourth item
fifth item

8. 上面，我们使用绝对路径来查找a标签的所有属性等于href属性值，使用/---绝对路径。接下来，我们使用相对路径查找l相对路径下的li标签下的a标签。 href 属性的值，注意 a 标签后面需要加双 //。 

html = etree.HTML(wb_data)
html_data = html.xpath('//li/a//@href')
print(html_data)
for i in html_data:
    print(i)
 
打印：
['link1.html', 'link2.html', 'link3.html', 'link4.html', 'link5.html']
link1.html
link2.html
link3.html
link4.html
link5.html

9、相对路径下查看具体属性的方法与绝对路径下类似，也可以这么说。 

html = etree.HTML(wb_data)
html_data = html.xpath('//li/a[@href="link2.html"]')
print(html_data)
for i in html_data:
    print(i.text)
 
打印：
[<Element a at 0x216e468>]
second item

10、查找最后一个li标签里的a标签的href属性 

html = etree.HTML(wb_data)
html_data = html.xpath('//li[last()]/a/text()')
print(html_data)
for i in html_data:
    print(i)
 
打印：
['fifth item']
fifth item

11、查找倒数第二个li标签里的a标签的href属性 

html = etree.HTML(wb_data)
html_data = html.xpath('//li[last()-1]/a/text()')
print(html_data)
for i in html_data:
    print(i)
 
打印：
['fourth item']
fourth item

12、如果是提取页面某标签的xpath路径，可以看到下图：

//*[@id="kw"]

解释：使用相对路径查找所有的标签，属性id等于kw的标签。

python如何使用xpath 

#!/usr/bin/env python
# -*- coding:utf-8 -*-
from scrapy.selector import Selector, HtmlXPathSelector
from scrapy.http import HtmlResponse
html = """<!DOCTYPE html>
<html>
    <head>
        <meta charset="UTF-8">
        <title></title>
    </head>
    <body>
        <ul>
            <li><a id='i1' href="link.html">first item</a></li>
            <li><a id='i2' href="llink.html">first item</a></li>
            <li><a href="llink2.html">second item<span>vv</span></a></li>
        </ul>
        <div><a href="llink2.html">second item</a></div>
    </body>
</html>
"""
response = HtmlResponse(url='http://example.com', body=html,encoding='utf-8')
# hxs = HtmlXPathSelector(response)
# print(hxs)
# hxs = Selector(response=response).xpath('//a')
# print(hxs)
# hxs = Selector(response=response).xpath('//a[2]')
# print(hxs)
# hxs = Selector(response=response).xpath('//a[@id]')
# print(hxs)
# hxs = Selector(response=response).xpath('//a[@id="i1"]')
# print(hxs)
# hxs = Selector(response=response).xpath('//a[@href="link.html"][@id="i1"]')
# print(hxs)
# hxs = Selector(response=response).xpath('//a[contains(@href, "link")]')
# print(hxs)
# hxs = Selector(response=response).xpath('//a[starts-with(@href, "link")]')
# print(hxs)
# hxs = Selector(response=response).xpath('//a[re:test(@id, "i\d+")]')
# print(hxs)
# hxs = Selector(response=response).xpath('//a[re:test(@id, "i\d+")]/text()').extract()
# print(hxs)
# hxs = Selector(response=response).xpath('//a[re:test(@id, "i\d+")]/@href').extract()
# print(hxs)
# hxs = Selector(response=response).xpath('/html/body/ul/li/a/@href').extract()
# print(hxs)
# hxs = Selector(response=response).xpath('//body/ul/li/a/@href').extract_first()
# print(hxs)
 
# ul_list = Selector(response=response).xpath('//body/ul/li')
# for item in ul_list:
#     v = item.xpath('./a/span')
#     # 或
#     # v = item.xpath('a/span')
#     # 或
#     # v = item.xpath('*/a/span')
#     print(v)

python学习网，大量的免费
，欢迎在线学习！

python

本文为原创文章，版权归所有，欢迎分享本文，转载请保留出处！

知行编程网
知行编程网 关注：1    粉丝：1
这个人很懒，什么都没写

你可能也喜欢

热评文章

上一篇
下一篇
扫一扫二维码分享
 繁