节点操作：

from lxml import etree

# 1.创建Element对象，参数即节点名称

root = etree.Element('root')

print(root)   # <Element root at 0x1551e08>

# 2.获取节点名称，tag

print(root.tag)   # root

# 3.输出XML内容,tostring，参数为Element对象

print(etree.tostring(root))   # b'<root/>'

# 4.添加子节点，SubElement，第一个参数为父节点（Element对象），第二个参数为子节点名称

child1 = etree.SubElement(root, 'child1')

child2 = etree.SubElement(root, 'child2')

child3 = etree.SubElement(root, 'child3')

print(etree.tostring(root))   #b'<root><child1/><child2/><child3/></root>'

# 5.删除子节点，remove删除指定节点，参数为Element对象。clear清空所有节点。

# root.remove(child1)  # 删除指定子节点

# print(etree.tostring(root))

# root.clear()  # 清除所有子节点

# print(etree.tostring(root))   # b'<root/>'

# 6.以列表的方式操作子节点

# 下标访问

child = root[0]

print(child.tag)   #child1

# 子节点数量

print(len(root))  # 3

# 获取索引号

print(root.index(child2))   #1

# 遍历

for child in root:

    print(child.tag)

# child1

# child2

# child3

# 插入

root.insert(0, etree.Element('child0'))

print(etree.tostring(root))   #b'<root><child0/><child1/><child2/><child3/></root>'

# 切片，切出来的还是列表

start = root[:1]

end = root[-1:]

print(start[0].tag, end[0].tag)   # child0 child3

# 尾部添加

root.append( etree.Element('child4') )

print(etree.tostring(root))   # b'<root><child0/><child1/><child2/><child3/><child4/></root>'

# 7.获取父节点

print(child1.getparent())       # <Element root at 0x14e1e08>

print(child1.getparent().tag)   # root

属性操作：

# 属性是以key-value的方式存储的，就像字典一样。

# 1.创建属性

# 可以在创建Element对象时同步创建属性，第二个参数即为属性名和属性值：

root = etree.Element('root', interesting='totally')

print(etree.tostring(root))   # b'<root interesting="totally"/>'

# 也可以使用set方法给已有的Element对象添加属性，两个参数分别为属性名和属性值：

root.set('hello', 'Huhu')

print(etree.tostring(root))   # b'<root interesting="totally" hello="Huhu"/>'

# 2.获取属性

# 属性是以key-value的方式存储的，就像字典一样。

# get，获得某一个属性值

print(root.get('interesting'))    # totally

# keys，获取所有的属性名

print(sorted(root.keys()))    # ['hello', 'interesting']

# items，获取所有的键值对

# for name, value in root.items():

#     print('%s = %r' % (name, value))

for name, value in sorted(root.items()):    # sorted还可以排序

    print('%s = %r' % (name, value))

# interesting = 'totally'

# hello = 'Huhu'

# 也可以用attrib属性一次拿到所有的属性及属性值存于字典中：

attributes = root.attrib

print(attributes)    # {'hello': 'Huhu', 'interesting': 'totally'}

attributes['good'] = 'Bye'  # 字典的修改影响节点

print(root.get('good'))     # Bye

文本操作：

# 1.text和tail属性

# 一般情况，可以用Element的text属性访问标签的文本。

root = etree.Element('root')

root.text = 'Hello, World!'

print(root.text)    # Hello, World!

print(etree.tostring(root))   # b'<root>Hello, World!</root>'

# XML的标签一般是成对出现的，有开有关，但像HTML则可能出现单一的标签，比如下面这段代码中的<br/>。

# <html><body>Text<br/>Tail</body></html>

# Element类提供了tail属性支持单一标签的文本获取。

html = etree.Element('html')

body = etree.SubElement(html, 'body')

body.text = 'Text'

print(etree.tostring(html))   # b'<html><body>Text</body></html>'

br = etree.SubElement(body, 'br')

print(etree.tostring(html))   # b'<html><body>Text<br/></body></html>'

# tail仅在该标签后面追加文本

br.tail = 'Tail'

print(etree.tostring(br))         # b'<br/>Tail'

print(etree.tostring(html))   # b'<html><body>Text<br/>Tail</body></html>'

# tostring方法增加method参数，过滤单一标签，输出全部文本

print(etree.tostring(html, method='text'))   # b'TextTail'

# 2.XPath方式

# 方式一：过滤单一标签，返回文本

print(html.xpath('string()'))   # TextTail

# 方式二：返回列表，以单一标签为分隔

print(html.xpath('//text()'))   # ['Text', 'Tail']

# 方法二获得的列表，每个元素都会带上它所属节点及文本类型信息，如下：

texts = html.xpath('//text()')

print(texts[0])     # Text

# 所属节点

parent = texts[0].getparent()

print(parent.tag)   # body

print(texts[1], texts[1].getparent().tag)    # Tail br

# 文本类型：是普通文本还是tail文本

print(texts[0].is_text)   # True

print(texts[1].is_text)   # False

print(texts[1].is_tail)   # True

lxml基础的更多相关文章

  1. 05.Python网络爬虫之三种数据解析方式

    引入 回顾requests实现数据爬取的流程 指定url 基于requests模块发起请求 获取响应对象中的数据 进行持久化存储 其实,在上述流程中还需要较为重要的一步,就是在持久化存储之前需要进行指 ...

  2. 05，Python网络爬虫之三种数据解析方式

    回顾requests实现数据爬取的流程 指定url 基于requests模块发起请求 获取响应对象中的数据 进行持久化存储 其实,在上述流程中还需要较为重要的一步,就是在持久化存储之前需要进行指定数据 ...

  3. 《Python网络爬虫之三种数据解析方式》

    引入 回顾requests实现数据爬取的流程 指定url 基于requests模块发起请求 获取响应对象中的数据 进行持久化存储 其实,在上述流程中还需要较为重要的一步,就是在持久化存储之前需要进行指 ...

  4. python网络爬虫数据中的三种数据解析方式

    一.正则解析 常用正则表达式回顾: 单字符: . : 除换行以外所有字符 [] :[aoe] [a-w] 匹配集合中任意一个字符 \d :数字 [0-9] \D : 非数字 \w :数字.字母.下划线 ...

  5. Scrapy笔记04- Selector详解

    Scrapy笔记04- Selector详解 在你爬取网页的时候,最普遍的事情就是在页面源码中提取需要的数据,我们有几个库可以帮你完成这个任务: BeautifulSoup是python中一个非常流行 ...

  6. Python网络爬虫之三种数据解析方式 (xpath, 正则, bs4)

    引入 回顾requests实现数据爬取的流程 指定url 基于requests模块发起请求 获取响应对象中的数据 进行持久化存储 其实,在上述流程中还需要较为重要的一步,就是在持久化存储之前需要进行指 ...

  7. python 3.x 爬虫基础---常用第三方库（requests，BeautifulSoup4，selenium，lxml ）

    python 3.x 爬虫基础 python 3.x 爬虫基础---http headers详解 python 3.x 爬虫基础---Urllib详解 python 3.x 爬虫基础---常用第三方库 ...

  8. Python爬虫基础之lxml

    一.Python lxml的基本应用 <html> <head> <title> The Dormouse's story </title> </ ...

  9. Python爬虫基础——XPath语法的学习与lxml模块的使用

    XPath与正则都是用于数据的提取,二者的区别是: 正则:功能相对强大,写起来相对复杂: XPath:语法简单,可以满足绝大部分的需求: 所以,如果你可以根据自己的需要进行选择. 一.首先,我们需要为 ...

随机推荐

  1. 内联汇编中的asm和__asm__

    基本的内联汇编代码: asm格式: asm("assembly code"):   使用替换的关键字: 如果必须的话,可以改变用于标识内联汇编代码段的关键字asm.ANSI C规范 ...

  2. eclipse Mars查看JDK源代码

    eclipse Mars查看JDK源代码 问题描写叙述,eclipse(mars)下看不到JDK类的声明即源代码部分的内容. 如图右击string类型: 点击打开声明.结果出现了下图所看到的的错误,无 ...

  3. 3728 联合权值[NOIP 2014 Day1 T2]

    来源:NOIP2014 Day1 T2 OJ链接: http://codevs.cn/problem/3728/ https://www.luogu.org/problemnew/show/P1351 ...

  4. Nginx 指令目录（中文版）

    指令大全 accept_mutex accept_mutex_delay access_log add_after_body add_before_body add_header addition_t ...

  5. 并发和多线程-说说面试长提平时少用的volatile

    说到volatile,一些参加过面试的同学对此肯定不陌生. 它是面试官口中的常客,但是平时的编码却很少打照面(起码,我是这样的). 最近的面试,我也经常会问到volatile相关的问题,比如volat ...

  6. ubuntu 16 安装 openjdk 8

    apt--jdk -y 进行验证即可

  7. 2.5 Apache Axis2 快速学习手册之JiBx 构建Web Service

    5. 使用JiBX生成服务(通过JIBX 命令将wsdl 生成 services ) 要使用JiBX数据绑定生成和部署服务,请执行以下步骤. 通过在Axis2_HOME / samples / qui ...

  8. 关于烦躁的网页编码问题utf-8，gb2312。终于自己实践了一遍

    俗话说实践是检验真理的唯一标准,的确如此. 自己一直比较懒,虽然觉得大牛应该一个记事本全部搞定,但自己还是喜欢用Dw或者Vs写好网页的架构,因为总觉得用notepad还要自己导入声明,而gVim还没有 ...

  9. webstorm开发vue项目环境配置

    1.首先安装nodejs,官网下载nodejs安装包,默认安装NPM包管理器(国内使用npm需要FQ,也可以使用淘宝的镜像:npm install -g cnpm –registry=https:// ...

  10. 使用grep查找字符串

    如下: grep -r 'target string' --exclude='pattern' dir/ 例子: grep -r Debug --exclude='*.js' ./ 查找本目录下除了j ...