pythonlxml中etree的簡單應(yīng)用_第1頁
pythonlxml中etree的簡單應(yīng)用_第2頁
pythonlxml中etree的簡單應(yīng)用_第3頁
pythonlxml中etree的簡單應(yīng)用_第4頁
全文預(yù)覽已結(jié)束

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

pythonlxml中etree的簡單應(yīng)?我?般都是通過xpath解析DOM樹的時候會使?lxml的etree,可以很?便的從html源碼中得到??想要的內(nèi)容。這?主要介紹?下我常?到的兩個?法,分別是etree.HTML()和etree.tostrint()。1.etree.HTML()etree.HTML()可以?來解析字符串格式的HTML?檔對象,將傳進去的字符串轉(zhuǎn)變成_Element對象。作為_Element對象,可以?便的使?getparent()、remove()、xpath()等?法。如果想通過xpath獲取html源碼中的內(nèi)容,就要先將html源碼轉(zhuǎn)換成_Element對象,然后再使?xpath()?法進?解析。例如,這?有?段最簡單的html源碼:"<html><body><h1>Thisisatest</h1></body></html>",現(xiàn)在想要得到h1標簽中的?本,可以這樣實現(xiàn):#encoding=utf8fromlxmlimportetreehtml='<html><body><h1>Thisisatest</h1></body></html>'#將html轉(zhuǎn)換成_Element對象_element=etree.HTML(html)#通過xpath表達式獲取h1標簽中的?本text=_element.xpath('//h1/text()')print'resultis:',text結(jié)果:resultis:['Thisisatest']通過結(jié)果可以知道,xpath()?法放回的結(jié)果是?個列表,所以通常在取xpath()?法結(jié)果的時候,只取列表中的第?個元素。2.etree.tostring()etree.tostring()?法?來將_Element對象轉(zhuǎn)換成字符串。?般通過簡單的xpath表達式?法得到想要的內(nèi)容的時候我就會?該?法。例如,將上?的html?改動?下:"<html><body><h1>This<a>isa</a>test</h1></bo到h1中的?本該怎么辦呢?使?“//h1/tex試試(t()”將上?的html保存并??狐瀏覽器打開,然后在FirePath中輸?該xpath表達式):,這時候如果想要得

通過截圖左下?的提?可以知道,使?xpath表達式“//h1/text()”只能得到h1標簽中?本的“This”和“test”,?代碼實現(xiàn)看看:#encoding=utf8fromlxmlimportetreehtml='<html><body><h1>This<a>isa</a>test</h1></body></html>'_element=etree.HTML(html)text=_element.xpath('//h1/text()')print'resultis:',text運?結(jié)果:resultis:['This','test']確實,使?xpath()?法,只能得到h1中部分?本內(nèi)容,我們再試試使?“//h1//text()”看看:然后通過代碼實現(xiàn)看看:#encoding=utf8fromlxmlimportetreehtml='<html><body><h1>This<a>isa</a>test</h1></body></html>'_element=etree.HTML(html)text=_element.xpath('//h1//text()')print'resultis:',text運?結(jié)果:resultis:['This','isa','test']通過“//h1//text()”表達式確實可以得到想要的內(nèi)容,但是得到的是?個列表,還需要將列表中的所有元素“拼”起來才?,是不是有點?煩。這時候,就可以考慮使?etree.tostring()?法了,etree.tostring()?法可以傳遞多個參數(shù),包括element_or_tree、encoding、method等,其中method參數(shù)為text的時候,表?返回_Element對象中的所有?本,所以可以這樣:#encoding=utf8fromlxmlimportetreehtml='<html><body><h1>This<a>isa</a>test</h1></body></html>'_element=etree.HTML(html)#先找到h1對象,然后通過etree.tostring?法找到h1對象中的所有?本_h=_element.xpath('//h1')#注意,xpath?法返回的是?個列表,我們需要的是列表中的第?個元素:代表h1標簽的_Element對象result=etree.tostring(_h[0],method='text')print'resulti

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論