Xpath如何提取HTML數(shù)據(jù)

今天就跟大家聊聊有關(guān)Xpath如何提取HTML數(shù)據(jù)，可能很多人都不太了解，為了讓大家更加了解，小編給大家總結(jié)了以下內(nèi)容，希望大家根據(jù)這篇文章可以有所收獲。

10多年的新城網(wǎng)站建設(shè)經(jīng)驗(yàn)，針對(duì)設(shè)計(jì)、前端、開(kāi)發(fā)、售后、文案、推廣等六對(duì)一服務(wù)，響應(yīng)快，48小時(shí)及時(shí)工作處理。網(wǎng)絡(luò)營(yíng)銷(xiāo)推廣的優(yōu)勢(shì)是能夠根據(jù)用戶(hù)設(shè)備顯示端的尺寸不同，自動(dòng)調(diào)整新城建站的顯示方式，使網(wǎng)站能夠適用不同顯示終端，在瀏覽器中調(diào)整網(wǎng)站的寬度，無(wú)論在任何一種瀏覽器上瀏覽網(wǎng)站，都能展現(xiàn)優(yōu)雅布局與設(shè)計(jì)，從而大程度地提升瀏覽體驗(yàn)。創(chuàng)新互聯(lián)從事“新城網(wǎng)站設(shè)計(jì)”,“新城網(wǎng)站推廣”以來(lái)，每個(gè)客戶(hù)項(xiàng)目都認(rèn)真落實(shí)執(zhí)行。

1.簡(jiǎn)介

XPath是一門(mén)在 XML 文檔中查找信息的語(yǔ)言。XPath 用于在 XML 文檔中通過(guò)元素和屬性進(jìn)行導(dǎo)航。
相比于BeautifulSoup，Xpath在提取數(shù)據(jù)時(shí)會(huì)更加的方便。

2. 安裝

在Python中很多庫(kù)都有提供Xpath的功能，但是最基本的還是lxml這個(gè)庫(kù)，效率最高。在之前BeautifulSoup章節(jié)中我們也介紹到了lxml是如何安裝的。

pip install lxml

3. 語(yǔ)法

XPath 使用路徑表達(dá)式在 XML 文檔中選取節(jié)點(diǎn)。節(jié)點(diǎn)是通過(guò)沿著路徑或者 step 來(lái)選取的。

我們將用以下的HTML文檔來(lái)進(jìn)行演示：

html_doc = '''<html><head></head><body>
    <bookstore>

        <book category="COOKING">
            <title lang="en">Everyday Italian</title>
            <author>Giada De Laurentiis</author>
            <year>2005</year>
            <price>30.00</price>
        </book>

        <book category="CHILDREN">
            <title lang="en">Harry Potter</title>
            <author>J K. Rowling</author>
            <year>2005</year>
            <price>29.99</price>
        </book>

        <book category="WEB">
            <title lang="en">XQuery Kick Start</title>
            <author>James McGovern</author>
            <author>Per Bothner</author>
            <author>Kurt Cagle</author>
            <author>James Linn</author>
            <author>Vaidyanathan Nagarajan</author>
            <year>2003</year>
            <price>49.99</price>
        </book>

        <book category="WEB">
            <title lang="en">Learning XML</title>
            <author>Erik T. Ray</author>
            <year>2003</year>
            <price>39.95</price>
        </book>

    </bookstore></body></html>'''

導(dǎo)入語(yǔ)句，并生成HTML的DOM樹(shù)：

from lxml import etree

page = etree.HTML(html_doc)

3.1. 路徑查找

Xpath如何提取HTML數(shù)據(jù)

查找當(dāng)前節(jié)點(diǎn)的子節(jié)點(diǎn)

In [1]: page.xpath('head')
Out[1]: [<Element head at 0x111c74c48>]

從根節(jié)點(diǎn)進(jìn)行查找

In [2]: page.xpath('/html')
Out[2]: [<Element html at 0x11208be88>]

從整個(gè)文檔中所有節(jié)點(diǎn)查找

In [3]: page.xpath('//book')
Out[3]:
[<Element book at 0x1128c02c8>, <Element book at 0x111c74108>, <Element book at 0x111fd2288>, <Element book at 
0x1128da348>]

選取當(dāng)前節(jié)點(diǎn)的父節(jié)點(diǎn)

In [4]: page.xpath('//book')[0].xpath('..')
Out[4]: [<Element bookstore at 0x1128c0ac8>]

選取屬性

In [5]: page.xpath('//book')[0].xpath('@category')
Out[5]: ['COOKING']

3.2. 節(jié)點(diǎn)查找

Xpath如何提取HTML數(shù)據(jù)

nodename[1]

選取第一個(gè)元素。

nodename[last()]

選取最后一個(gè)元素。

nodename[last()-1]

選取倒數(shù)第二個(gè)元素。

nodename[position()<3]

選取前兩個(gè)子元素。

nodename[@lang]

選取擁有名為 lang 的屬性的元素。

nodename[@lang='eng']

選取擁有l(wèi)ang屬性，且值為 eng 的元素。

選取第二個(gè)book元素

In [1]: page.xpath('//book[2]/@category')
Out[1]: ['CHILDREN']

選取倒數(shù)第三個(gè)book元素

In [2]: page.xpath('//book[last()-2]/@category')
Out[2]: ['CHILDREN']

選取第二個(gè)元素開(kāi)始的所有元素

In [3]: page.xpath('//book[position() > 1]/@category')
Out[3]: ['CHILDREN', 'WEB', 'WEB']

選取category屬性為WEB的的元素

In [4]: page.xpath('//book[@category="WEB"]/@category')
Out[4]: ['WEB', 'WEB']

3.3. 未知節(jié)點(diǎn)

Xpath如何提取HTML數(shù)據(jù)

匹配第一個(gè)book元素下的所有元素

In [1]: page.xpath('//book[1]/*')
Out[1]:
[<Element title at 0x111f76788>,
 <Element author at 0x111f76188>,
 <Element year at 0x1128c1a88>,
 <Element price at 0x1128c1cc8>]

3.4. 獲取節(jié)點(diǎn)中的文本

用text()獲取某個(gè)節(jié)點(diǎn)下的文本

In [1]: page.xpath('//book[1]/author/text()')
Out[1]: ['Giada De Laurentiis']

如果這個(gè)節(jié)點(diǎn)下有多個(gè)文本，則只能取到一段。

用string()獲取某個(gè)節(jié)點(diǎn)下所有的文本

In [2]: page.xpath('string(//book[1])')
Out[2]: '\n            Everyday Italian\n            Giada De Laurentiis\n

3.5. 選取多個(gè)路徑

通過(guò)在路徑表達(dá)式中使用“|”運(yùn)算符，您可以選取若干個(gè)路徑。

In [1]: page.xpath('//book[1]/title/text() | //book[1]/author/text()')
Out[1]: ['Everyday Italian', 'Giada De Laurentiis']

看完上述內(nèi)容，你們對(duì)Xpath如何提取HTML數(shù)據(jù)有進(jìn)一步的了解嗎？如果還想了解更多知識(shí)或者相關(guān)內(nèi)容，請(qǐng)關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道，感謝大家的支持。

分享名稱(chēng)：Xpath如何提取HTML數(shù)據(jù)
標(biāo)題URL：http://jinyejixie.com/article38/ijggpp.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供標(biāo)簽優(yōu)化、ChatGPT、網(wǎng)站營(yíng)銷(xiāo)、全網(wǎng)營(yíng)銷(xiāo)推廣、網(wǎng)站策劃、移動(dòng)網(wǎng)站建設(shè)

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶(hù)投稿、用戶(hù)轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話(huà)：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源：創(chuàng)新互聯(lián)

猜你還喜歡下面的內(nèi)容

成人午夜视频全免费观看高清-秋霞福利视频一区二区三区-国产精品久久久久电影小说-亚洲不卡区三一区三区一区

Xpath如何提取HTML數(shù)據(jù)