溫馨提示×

您好，登錄后才能下訂單哦！

密碼登錄×
登錄注冊(cè)×
其他方式登錄
點(diǎn)擊 登錄注冊(cè) 即表示同意《億速云用戶服務(wù)條款》

python中使用xpath的發(fā)

發(fā)布時(shí)間：2020-08-04 10:12:25 來(lái)源：億速云 閱讀：154 作者：清晨 欄目：編程語(yǔ)言

這篇文章將為大家詳細(xì)講解有關(guān)python中使用xpath的發(fā)，小編覺(jué)得挺實(shí)用的，因此分享給大家做個(gè)參考，希望大家閱讀完這篇文章后可以有所收獲。

一、簡(jiǎn)介

XPath 是一門在 XML 文檔中查找信息的語(yǔ)言。XPath 可用來(lái)在 XML 文檔中對(duì)元素和屬性進(jìn)行遍歷。XPath 是 W3C XSLT 標(biāo)準(zhǔn)的主要元素，并且 XQuery 和 XPointer 都構(gòu)建于 XPath 表達(dá)之上。

二、安裝

pip3 install lxml

三、使用

1、導(dǎo)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"))

從下面的結(jié)果來(lái)看，我們打印機(jī)html其實(shí)就是一個(gè)python對(duì)象，etree.tostring(html)則是不全里html的基本寫(xiě)法，補(bǔ)全了缺胳膊少腿的標(biāo)簽。

<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、獲取某個(gè)標(biāo)簽的內(nèi)容(基本使用)，注意，獲取a標(biāo)簽的所有內(nèi)容，a后面就不用再加正斜杠，否則報(bào)錯(cuò)。

寫(xiě)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

寫(xiě)法二（直接在需要查找內(nèi)容的標(biāo)簽后面加一個(gè)/text()就行）

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、打開(kāi)讀取html文件

#使用parse打開(kāi)html的文件
html = etree.parse('test.html')
html_data = html.xpath('//*')<br>#打印是一個(gè)列表，需要遍歷
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?。?
<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、打印指定路徑下a標(biāo)簽的屬性（可以通過(guò)遍歷拿到某個(gè)屬性的值，查找標(biāo)簽的內(nèi)容）

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

6、我們知道我們使用xpath拿到得都是一個(gè)個(gè)的ElementTree對(duì)象，所以如果需要查找內(nèi)容的話，還需要遍歷拿到數(shù)據(jù)的列表。

查到絕對(duì)路徑下a標(biāo)簽屬性等于link2.html的內(nèi)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?。?
['second item']
second item

7、上面我們找到全部都是絕對(duì)路徑（每一個(gè)都是從根開(kāi)始查找），下面我們查找相對(duì)路徑，例如，查找所有l(wèi)i標(biāo)簽下的a標(biāo)簽內(nèi)容。

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

8、上面我們使用絕對(duì)路徑，查找了所有a標(biāo)簽的屬性等于href屬性值，利用的是/---絕對(duì)路徑，下面我們使用相對(duì)路徑，查找一下l相對(duì)路徑下li標(biāo)簽下的a標(biāo)簽下的href屬性的值，注意，a標(biāo)簽后面需要雙//。

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、相對(duì)路徑下跟絕對(duì)路徑下查特定屬性的方法類似，也可以說(shuō)相同。

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、查找最后一個(gè)li標(biāo)簽里的a標(biāo)簽的href屬性

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、查找倒數(shù)第二個(gè)li標(biāo)簽里的a標(biāo)簽的href屬性

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、如果在提取某個(gè)頁(yè)面的某個(gè)標(biāo)簽的xpath路徑的話，可以如下圖：

//*[@id="kw"] 

解釋：使用相對(duì)路徑查找所有的標(biāo)簽，屬性id等于kw的標(biāo)簽。

python中使用xpath的發(fā)

#!/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)

關(guān)于python中使用xpath的發(fā)就分享到這里了，希望以上內(nèi)容可以對(duì)大家有一定的幫助，可以學(xué)到更多知識(shí)。如果覺(jué)得文章不錯(cuò)，可以把它分享出去讓更多的人看到。

向AI問(wèn)一下細(xì)節(jié)

免責(zé)聲明：本站發(fā)布的內(nèi)容（圖片、視頻和文字）以原創(chuàng)、轉(zhuǎn)載和分享為主，文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱：is@yisu.com進(jìn)行舉報(bào)，并提供相關(guān)證據(jù)，一經(jīng)查實(shí)，將立刻刪除涉嫌侵權(quán)內(nèi)容。

AI
助
手