栏目分类:
子分类:
返回
名师互学网用户登录
快速导航关闭
当前搜索
当前分类
子分类
实用工具
热门搜索
名师互学网 > IT > 软件开发 > 后端开发 > Python

Python爬虫入门

Python 更新时间: 发布时间: IT归档 最新发布 模块sitemap 名妆网 法律咨询 聚返吧 英语巴士网 伯小乐 网商动力

Python爬虫入门

Python爬虫入门(八)

讲解Xpath常用代码,无任何实例:
· 读取xml节点内容(多个,单个)
· xpath读取heml文件
· 读取指定节点,条件筛选,循环读取

####XPath解析
from lxml import etree

xml = """

    l
    野花贬低向
    臭豆腐
    
        周大枪
        周芷若
        周杰伦
        蔡依林
        
            惹了
        
    

    
        胖胖陈
        胖胖不陈
    

"""


tree = etree.XML(xml)
tree.xpath("/book")  #/相当于节点关系,/相当于根节点
result = tree.xpath("/book/name/text()")  ## text()获取文本
result = tree.xpath("/book/author/nick/text()")  ## text()获取文本
result = tree.xpath("/book/author/div/nick/text()")  ## text()获取文本
result = tree.xpath("/book/author//nick/text()")  ## //相当于所有子节点
result = tree.xpath("/book/author当前所有节点
result = tree.xpath("/book//nick/text()")  ## /*/当前所有节点



print(result)

以下代码读取指定文件内容 b.html

b.html:




    
    title


    
    
  1. 飞机
  2. 大炮
  3. 火车
李嘉诚
胡辣汤

代码:

# %%
from lxml import etree

tree = etree.parse("b.html")
result = tree.xpath("/html/body/ul/li/a/text()")
result = tree.xpath("/html/body/ul/li[1]/a/text()")  ## 第一个li节点内容
result = tree.xpath("/html/body/ol/li/a[@href='dapao']/text()")  ###节点[@属性='值'] 找到指定值
list = tree.xpath("/html/body/ol/li")
for i in list:
    ###从每一个li中提取文字信息
    data = i.xpath("./a/text()")    
    print(data)
    params = i.xpath("./a/@href")
    print(params)
print(result)
print(tree.xpath("/html/body/ul/li/a/@href"))

##页面右键直接复制Xpath
print(tree.xpath("/html/body/div[2]/text()"))

转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/it/588405.html
我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 (c)2021-2022 MSHXW.COM

ICP备案号:晋ICP备2021003244-6号