码农知识堂 - 1000bd
  •   Python
  •   PHP
  •   JS/TS
  •   JAVA
  •   C/C++
  •   C#
  •   GO
  •   Kotlin
  •   Swift
  • 拓展3: Python Xpath表达式的使用


    文章目录

    • Xpath表达式
      • 1. 将 etree 对象实例化的两种方法
        • (1)etree.parse() 转本地HTML文档
        • (2)etree.HTML() 转网页源码
      • 2.用XPath表达式定位标签并提取数据
        • (1)定位标签
        • (2)提取文本内容和属性值
      • 3. 快速获取XPath表达式

    Xpath表达式

    XPath表达式描述了从一个节点到另一个节点的路径,通过标签的属性或名称定位到上级标签,再通过路径定位到该上级标签的任意下级标签

    1. 将 etree 对象实例化的两种方法

    (1)etree.parse() 转本地HTML文档

    from lxml import etree
    
    html = etree.parse("test1.html")
    print(html)
    
    • 1
    • 2
    • 3
    • 4

    在这里插入图片描述

    (2)etree.HTML() 转网页源码

    import requests
    from lxml import etree
    
    headers = {
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/97.0.4692.99 Safari/537.36 Edg/97.0.1072.69"
    }
    response = requests.get(url="https://www.baidu.com/",headers=headers)
    result = response.text
    html = etree.HTML(result)
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9

    在这里插入图片描述

    2.用XPath表达式定位标签并提取数据

    (1)定位标签

    import requests
    from lxml import etree
    
    headers = {
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/97.0.4692.99 Safari/537.36 Edg/97.0.1072.69"
    }
    response = requests.get(url="https://www.baidu.com/",headers=headers)
    result = response.text
    html = etree.HTML(result)
    print(html.xpath("//*[@class = "title"]"))
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10

    在这里插入图片描述

    除此之外还可以用其他属性来替换*,(如html.xpath(‘//p[@class = ‘title’]’))
    逻辑运算符也可以加入到当中

    html.xpath('//p[@class="title" and @name = "color"]')
    html.xpath('//p[@class="title" or @name = "color"]')
    
    • 1
    • 2

    (2)提取文本内容和属性值

    html.xpath('//*[@class="title"]/text()')
    html.xpath('//*[@class="title"]//text()')
    html.xpath('//*[@class="title"]/@id')
    
    • 1
    • 2
    • 3

    /text(): 提取该节点的直系文本内容
    //text() : 提取该节点下的所有文本内容
    /@ 属性名 : 提取该节点的指定属性值

    3. 快速获取XPath表达式

    在这里插入图片描述

  • 相关阅读:
    Python实现查询一个文件中的pdf文件中的关键字
    Word2Vec 实践
    C++/Qt获取屏幕尺寸和放大比例
    Web自动化处理“滑动验证码”
    用HarmonyOS ArkUI调用三方库PhotoView实现图片的联播、缩放
    Spring容器&Bean生命周期常见接口
    vue移动端适配
    开发者职场“生存状态”大调研报告分析 - 第一版
    淘宝API技术文档解析,从入门到实战
    关于unity中 编辑器相关逻辑的记录
  • 原文地址:https://blog.csdn.net/m0_56126722/article/details/122716794
  • 最新文章
  • 攻防演习之三天拿下官网站群
    数据安全治理学习——前期安全规划和安全管理体系建设
    企业安全 | 企业内一次钓鱼演练准备过程
    内网渗透测试 | Kerberos协议及其部分攻击手法
    0day的产生 | 不懂代码的"代码审计"
    安装scrcpy-client模块av模块异常,环境问题解决方案
    leetcode hot100【LeetCode 279. 完全平方数】java实现
    OpenWrt下安装Mosquitto
    AnatoMask论文汇总
    【AI日记】24.11.01 LangChain、openai api和github copilot
  • 热门文章
  • 十款代码表白小特效 一个比一个浪漫 赶紧收藏起来吧!!!
    奉劝各位学弟学妹们,该打造你的技术影响力了!
    五年了,我在 CSDN 的两个一百万。
    Java俄罗斯方块,老程序员花了一个周末,连接中学年代!
    面试官都震惊,你这网络基础可以啊!
    你真的会用百度吗?我不信 — 那些不为人知的搜索引擎语法
    心情不好的时候,用 Python 画棵樱花树送给自己吧
    通宵一晚做出来的一款类似CS的第一人称射击游戏Demo!原来做游戏也不是很难,连憨憨学妹都学会了!
    13 万字 C 语言从入门到精通保姆级教程2021 年版
    10行代码集2000张美女图,Python爬虫120例,再上征途
Copyright © 2022 侵权请联系2656653265@qq.com    京ICP备2022015340号-1
正则表达式工具 cron表达式工具 密码生成工具

京公网安备 11010502049817号