python中l(wèi)xml庫之etree使用步驟詳解
更新時間：2025年03月13日 11:02:57 作者：閑人陳二狗
這篇文章主要介紹了python中l(wèi)xml庫之etree使用的相關(guān)資料,lxml庫中的etree模塊提供了一個簡單而靈活的API來解析和操作XML/HTML文檔,文中通過代碼介紹的非常詳細(xì),需要的朋友可以參考下
一、 etree 介紹
lxml 庫是 Python 中一個強大的 XML 處理庫，簡單來說，etree 模塊提供了一個簡單而靈活的API來解析和操作 XML/HTML 文檔。
- 官方網(wǎng)址：The lxml.etree Tutorial
- 安裝：pip install lxml
二、xpath 解析 html/xml
1、第一步就是使用 etree 連接 html/xml 代碼/文件。
語法：
- root = etree.XML(xml代碼) #xml 接入
- root = etree.HTML(html代碼) #html 接入
- 引入 from lxml import etree
from lxml import etree
root = etree.XML("<root>data</root>")
print(root.tag)
#root
print(etree.tostring(root))
#b'<root>data</root>'
root = etree.HTML("<p>data</p>")
print(root.tag)
#html
print(etree.tostring(root))
#b'<html><body><p>data</p></body></html>'
2、 xpath 表達(dá)式定位
xpath 使用路徑表達(dá)式在 HTML/XML 文檔中選取節(jié)點。節(jié)點是通過沿著路徑或者 step 來選取的。 下面列出了最有用的路徑表達(dá)式：
| 表達(dá)式 | 描述 |
|---|---|
| / | 從根節(jié)點選取（取子節(jié)點） |
| // | 任意節(jié)點，不考慮位置（取子孫節(jié)點） |
| . | 選取當(dāng)前節(jié)點 |
| … | 選取當(dāng)前節(jié)點的父節(jié)點 |
| @ | 選取屬性 |
| contain(@屬性，“包含的內(nèi)容”) | 模糊查詢 |
| text() | 文本內(nèi)容 |
① xpath結(jié)合屬性定位
- html.xpath(“.//標(biāo)簽名[@屬性=‘屬性值’]”) #注意，這返回的是列表??！
- [] ：表示要根據(jù)屬性找元素
- @ ：后邊跟屬性的key,表示要通過哪個屬性定位
from lxml import etree
ht = """<html>
<head>
<title>This is a sample document</title>
</head>
<body>
<h1 class="title">Hello!</h1>
<p>This is a paragraph with <b>bold</b> text in it!</p>
<p>This is another paragraph, with a
<a rel="external nofollow" rel="external nofollow" rel="external nofollow" rel="external nofollow" rel="external nofollow" >link</a>.</p>
<p>Here are some reserved characters: <spam&egg>.</p>
<p>And finally an embedded XHTML fragment.</p>
</body>
</html>"""
html = etree.HTML(ht)
title = html.xpath(".//h1[@class='title']")[0] #取列表中的第一個元素
print(etree.tostring(title))
#b'<h1 class="title">Hello!</h1>\n '
print(title.get('class'))
# title
② xpath文本定位及獲取
- ele = html.xpath(“.//標(biāo)簽名[text()=‘文本值’]”)[0]
- text1 = ele.text #獲取元素文本1，ele為定位后的元素
- text2 = html.xpath(“string(.//標(biāo)簽名[@屬性=‘屬性值’])”) #獲取元素文本2，返回文本
- text3 = html.xpath(“.//標(biāo)簽名[@屬性=‘屬性值’]/text()”) #獲取元素文本3，返回文本列表
title1 = html.xpath(".//h1[text()='Hello!']")[0] #取列表中的第一個元素
text1 = title1.text
print(text1)
#Hello!
text2 = html.xpath("string(.//h1[@class='title'])")
print(text2)
#Hello!
text3 = html.xpath(".//h1[@class='title']/text()") #返回列表
print(text3)
#['Hello!']
③ xpath層級定位
實際開發(fā)時，若需求元素沒有像 id、name、class 等基本屬性，那么我們就需要借助相鄰的元素定位，首先我們可以定位到相鄰元素，然后通過層級關(guān)系來定位最終元素。
- html.xpath(“.//父元素標(biāo)簽名[@父元素屬性=‘父元素屬性值’]/子元素標(biāo)簽名”) #由上到下的層級關(guān)系，目標(biāo)是子元素
- html.xpath(“.//子元素標(biāo)簽名[@子元素屬性=‘子元素屬性值’]/parent::父元素標(biāo)簽名”) #父子元素定位，目標(biāo)是父元素在這里插入代碼片
- html.xpath(“.//元素標(biāo)簽名[@元素屬性=‘元素屬性值’]//preceding-sibling::哥哥元素標(biāo)簽名”) #哥哥元素定位，目標(biāo)是哥哥元素
- html.xpath(“.//元素標(biāo)簽名[@元素屬性=‘元素屬性值’]//following-sibling::弟弟元素標(biāo)簽名”) #弟弟元素定位，目標(biāo)是弟弟元素
from lxml import etree
ht = """<html>
<head>
<title>This is a sample document</title>
</head>
<body>
<h1 class="title">Hello!</h1>
<p>This is a paragraph with <b>bold</b> text in it!</p>
<p class="para">This is another paragraph, with a
<a rel="external nofollow" rel="external nofollow" rel="external nofollow" rel="external nofollow" rel="external nofollow" >link</a>.</p>
<p>Here are some reserved characters: <spam&egg>.</p>
<p>And finally an embedded XHTML fragment.</p>
</body>
</html>"""
html = etree.HTML(ht)
ele1 = html.xpath(".//p[@class='para']/a")[0] #由上到下的層級關(guān)系
print(etree.tostring(ele1))
#b'<a rel="external nofollow" rel="external nofollow" rel="external nofollow" rel="external nofollow" rel="external nofollow" >link</a>.'
ele2 = html.xpath(".//a[@)[0]#父子元素定位
print(etree.tostring(ele2))
#b'<p class="para">This is another paragraph, with a\n <a rel="external nofollow" rel="external nofollow" rel="external nofollow" rel="external nofollow" rel="external nofollow" >link</a>.</p>\n '
ele3 = html.xpath(".//p[@class='para']//preceding-sibling::p")[0] #哥哥元素定位
print(etree.tostring(ele3))
#b'<p>This is a paragraph with <b>bold</b> text in it!</p>\n '
ele4 = html.xpath(".//p[@class='para']//following-sibling::p") #弟弟元素定位
for ele in ele4:
print(etree.tostring(ele))
#b'<p>Here are some reserved characters: <spam&egg>.</p>\n '
#b'<p>And finally an embedded XHTML fragment.</p>\n '
④ xpath索引定位
etree 結(jié)合 xpath 進(jìn)行索引定位主要有兩種方式，主要是因為 html.xpath() 返回的是一個列表。
- html.xpath(“xpath表達(dá)式”)[0] #獲取列表中第一個元素
- html.xpath(“xpath表達(dá)式”)[-1] #獲取列表中最后一個元素
- html.xpath(“xpath表達(dá)式”)[-2] #獲取列表中倒數(shù)第二個元素
ele1 = html.xpath(".//body/p")[0]
print(etree.tostring(ele1))
#b'<p>This is a paragraph with <b>bold</b> text in it!</p>\n '
ele1 = html.xpath(".//body/p")[-1]
print(etree.tostring(ele1))
#b'<p>And finally an embedded XHTML fragment.</p>\n '
語法2：
html.xpath(“xpath表達(dá)式[1]”)[0] #獲取第一個元素
html.xpath(“xpath表達(dá)式[last()]”)[0] #獲取最后一個元素
html.xpath(“xpath表達(dá)式[last()-1]”)[0] #獲取倒數(shù)第二個元素
注：與python列表索引的概念不同，xpath 的標(biāo)簽索引是從1開始；python列表的索引是從0開始。
⑤ xpath模糊匹配
有時會遇到屬性值過長的情況，此時我們可以通過模糊匹配來處理，只需要屬性值的部分內(nèi)容即可。
html.xpath(“.//標(biāo)簽名[start-with(@屬性, ‘屬性值開頭’)]”) #匹配開頭
html.xpath(“.//標(biāo)簽名[ends-with(@屬性, ‘屬性值結(jié)尾’)]”) #匹配結(jié)尾
html.xpath(“.//標(biāo)簽名[contains(text(), ‘部分文本’)]”) #包含部分文本
注：ends-with方法是 xpath 2.0 的語法，而 etree 只支持 xpth 1.0，所以可能不會成功。
ele1 = html.xpath(".//p[starts-with(@class,'par')]")[0] #匹配開頭
print(etree.tostring(ele1))
#b'<p class="para">This is another paragraph, with a\n <a rel="external nofollow" rel="external nofollow" rel="external nofollow" rel="external nofollow" rel="external nofollow" >link</a>.</p>\n '
ele2 = html.xpath(".//p[ends-with(@class, 'ara')]")[0] #匹配結(jié)尾
print(etree.tostring(ele2))
ele3 = html.xpath(".//p[contains(text(),'is a paragraph with')]")[0] #包含“is a paragraph with”
print(etree.tostring(ele3))
#b'<p>This is a paragraph with <b>bold</b> text in it!</p>\n '總結(jié)
到此這篇關(guān)于python中l(wèi)xml庫之etree使用步驟的文章就介紹到這了,更多相關(guān)python lxml庫etree使用內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
圖像融合是兩幅圖片疊加在一起，本文主要介紹了openCV實現(xiàn)圖像融合的示例代碼，文中通過示例代碼介紹的非常詳細(xì)，具有一定的參考價值，感興趣的小伙伴們可以參考一下2022-03-03
詳解python中的lambda與sorted函數(shù)
這篇文章主要介紹了python中的lambda與sorted函數(shù)的相關(guān)資料，幫助大家更好的理解和學(xué)習(xí)python，感興趣的朋友可以了解下2020-09-09
這篇文章主要介紹了如何利用?Python?實現(xiàn)酷我在線音樂的爬取，文中的示例代碼講解詳細(xì)，感興趣的小伙伴可以跟隨小編一起了解一下2022-04-04
關(guān)于Python有一句名言：不要重復(fù)造輪子,給大家分享經(jīng)過Python3.6.4調(diào)試通過的代碼,感興趣的朋友跟隨小編一起看看吧2023-11-11
logging是python語言中的一個日志模塊，專門用來寫日志的，日志級別通常分為debug、info、warning、error、critical幾個級別，一般情況下，默認(rèn)的日志級別為warning，在調(diào)試或者測試階段，下面就快速體驗一下logging模塊寫日志的用法，感興趣的朋友跟隨小編一起看看吧2022-12-12
Python解析器Cpython的GIL解釋器鎖工作機(jī)制
這篇文章主要為大家介紹了Cpython的GIL解釋器鎖工作機(jī)制掌握示例詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2022-07-07
ChatGPT是一種基于人工智能技術(shù)的聊天機(jī)器人，可以用于搭建AI網(wǎng)站。本文將介紹如何使用ChatGPT搭建AI網(wǎng)站，包括安裝ChatGPT、創(chuàng)建聊天機(jī)器人、添加自定義功能等。2023-03-03
Python cookbook（數(shù)據(jù)結(jié)構(gòu)與算法）從任意長度的可迭代對象中分解元素操作示例
這篇文章主要介紹了Python 數(shù)據(jù)結(jié)構(gòu)與算法 從任意長度的可迭代象中分解元素操作,結(jié)合實例形式分析了Python使用*表達(dá)式針對可迭代對象的分解操作相關(guān)實現(xiàn)技巧,需要的朋友可以參考下2018-02-02
Python+OpenCV實現(xiàn)圖像基本操作的示例詳解
這篇文章主要為大家詳細(xì)介紹了Python通過OpenCV實現(xiàn)圖像的一些基本處理操作的方法，文中的示例代碼簡潔易懂，具有一定的參考價值，感興趣的可以學(xué)習(xí)一下2023-04-04
這篇文章主要介紹了在Python中操作字典之update()方法的使用,是Python入門學(xué)習(xí)中的基礎(chǔ)知識,需要的朋友可以參考下2015-05-05