Python 基于lxml.etree实现xpath查找HTML元素

基于lxml.etree实现xpath查找HTML元素

By:授客 QQ：1033553122

#实践环境

WIN 10

Python 3.6.5

lxml-4.6.2-cp36-cp36m-win_amd64.whl

#实践代码

#!/usr/bin/env python

# -*- coding:utf-8 -*-

from lxml import etree

html_str = '''<html>

<body>

<table width="400" border="1">

 <tr>

  <th align="left">消费项目....</th>

  <th align="right">一月</th>

  <th align="right">二月</th>

 </tr>

 <tr>

  <td align="left">衣服</td>

  <td align="right">$241.10</td>

  <td align="right">$50.20</td>

 </tr>

 <tr>

  <td align="left">化妆品</td>

  <td align="right">$30.00</td>

  <td align="right">$44.45</td>

 </tr>

 <tr>

  <td align="left">食物</td>

  <td align="right">$730.40</td>

  <td align="right">$650.00</td>

 </tr>

 <tr>

  <th align="left">总计</th>

  <th align="right">$1001.50</th>

  <th align="right">$744.65</th>

 </tr>

</table>

</body>

</html>

'''

root_node = etree.HTML(html_str) # 解析HTML字符串，并返回HTML根结点

print('根节节点名称为：%s' % root_node.tag) # 输出 html

# 查找根节点

print(root_node.xpath('/html')) # 输出 <Element html at 0x17245dc8508>]

tr_element_list = root_node.xpath("//table/tr[2]/td") # 获取table元素节点下，第二个tr元素节点下的所有td元素

for element in tr_element_list:

    print(element.tag, element.text)

/* for循环输出如下

td 衣服

td $241.10

td $50.20

*/

etree.tostring(root_node, encoding='utf-8').decode('utf-8') ## 输出节点内容

second_tr = root_node.xpath('//table/tr[2]')[0]  # 获取table元素节点下，第二个tr元素节点

print(etree.tostring(second_tr, encoding='utf-8').decode('utf-8')) ## 输出节点内容

/*

<tr>

   <td align="left">衣服</td>

   <td align="right">$241.10</td>

   <td align="right">$50.20</td>

 </tr>

*/

# 注意：etree.tostring返回结果为字节对象

print(etree.tostring(second_tr)) ## 输出以下内容

/*

b'<tr>\n  <td align="left">衣服</td>\n  <td align="right">$241.10</td>\n  <td align="right">$50.20</td>\n </tr>\n '

*/

print(etree.tostring(second_tr).decode('utf-8')) # 输出以下内容

/*

<tr>

  <td align="left">衣服</td>

  <td align="right">$241.10</td>

  <td align="right">$50.20</td>

  </tr>

*/

#参考连接

https://lxml.de/tutorial.html#the-element-class

https://lxml.de/tutorial.html#the-xml-function

Python 基于lxml.etree实现xpath查找HTML元素的更多相关文章

Python 关于xpath查找XML元素的一点总结
关于xpath查找XML元素的一点总结 by:授客 QQ:1033553122 欢迎加入全国软件测试qq群:7156436 测试环境 Win7 64 python 3.4.0 实践出真知代码 ...
python在lxml中使用XPath语法进行#数据解析
在lxml中使用XPath语法: 获取所有li标签: from lxml import etree html = etree.parse('hello.html') print type(html) ...
Python 通过lxml遍历html xpath
#coding:utf-8 ''' Created on 2017年10月9日 @author: li.liu ''' from selenium import webdriver from lxml ...
Python爬虫利器三之Xpath语法与lxml库的用法
前面我们介绍了 BeautifulSoup 的用法,这个已经是非常强大的库了,不过还有一些比较流行的解析库,例如 lxml,使用的是 Xpath 语法,同样是效率比较高的解析方法.如果大家对 Beau ...
python爬虫（8）--Xpath语法与lxml库
1.XPath语法 XPath 是一门在 XML 文档中查找信息的语言.XPath 可用来在 XML 文档中对元素和属性进行遍历.XPath 是 W3C XSLT 标准的主要元素,并且 XQuery ...
Python 通过lxml 解析html页面自动组合xpath实例
#coding:utf-8 ''' @author: li.liu ''' from selenium import webdriver from selenium.webdriver.common. ...
Python通过lxml库遍历xml通过xpath查询（标签，属性名称，属性值，标签对属性）
xml实例: 版本一: <?xml version="1.0" encoding="UTF-8"?><country name="c ...
【python】lxml
来源:http://lxml.de/tutorial.html lxml是python中处理xml的一个非常强大的库,可以非常方便的解析和生成xml文件.下面的内容翻译了链接中的一部分 1.生成空xm ...
Python之lxml
作者:Shane 出处:http://bluescorpio.cnblogs.com lxml takes all the pain out of XML. Stephan Richter lxml是 ...
python笔记27-lxml.etree解析html
前言之前分享过一个python爬虫beautifulsoup框架可以解析html页面,最近看到lxml框架的语法更简洁,学过xpath定位的,可以立马上手. 使用环境: python 3.6 lxm ...

随机推荐

Html简要笔记
html在线文档: https://www.w3school.com.cn 怎么创建文件我已经会了 1,html快速入门  <!DOCTYPE ht ...
gin+MySQL简单实现数据库查询
利用 gin 项目搭建一个简易的后端系统. 一个简易的 HTTP 响应接口首先在 go 工作区的终端输入这条指令: go get -u github.com/gin-gonic/gin 将 gin ...
vim快捷键之复制粘贴
yy: 复制光标所在行 p: 将复制的内容粘贴到光标所在行的下一行 P: 将复制的内容粘贴到光标所在行的上一行
ajax跨域(跨源)方案之CORS
ajax跨域(跨源)方案:后端授权[CORS],jsonp,服务端代理 CORS是一个W3C标准,全称是"跨域资源共享",它允许浏览器向跨源的后端服务器发出ajax请求,从而克服了 ...
equals && deepEquals
equals && deepEquals 本文分为以下几个部分 equals deepEquals 总结 equals 首先说明:这里说的 equals 是 java.util.Arr ...
C# xml与对象相互转换
例如: 1.对象转xml(对象序列化为xml) string strImage= XmlSerializeHelper.Serialize<List<ImageSingle>> ...
.net core 关于对swagger的UI（Index.html）或接口的权限验证；
背景: 如何在ASP.Net Core的生产环境中保护swagger ui,也就是index.html页面.其实swagger是自带禁用的功能的,只需要设置开关即可.但是有一些场景,是需要把这些接口进 ...
css 跑马灯
html: <view class="in_scro"> <view class="in_scrview">恭喜139******1用户 ...
Java POI 生成Word文档
maven的pom <dependency> <groupId>org.apache.poi</groupId> <artifactId>ooxml-s ...
Mysql联合索引生效、失效条件
引言联合索引又叫复合索引.两个或更多个列上的索引被称作复合索引. 对于复合索引:Mysql从左到右的使用索引中的字段,一个查询可以只使用索引中的一部份,但只能是最左侧部分.例如索引是key inde ...

Python 基于lxml.etree实现xpath查找HTML元素

Python 基于lxml.etree实现xpath查找HTML元素的更多相关文章

随机推荐

热门专题