python网络编程实战-使用etree进行网页数据的解析，etree.xpath的使用

今天药忘吃喽~ 2023-09-27 11:37 30阅读 0赞

## etree简介 ##

etree是基于ElementTree API的一种XML解析方式。相较于SAX，DOM而言，具有代码可用性好，速度快，消耗内存少等特点。Python的lxml库中的etree，提供了ElementTree API定义的接口。

## 依赖库安装 ##

要使用etree，需要安装lxml。

> pip install lxml

## 常用方法： ##

> etree.HTML(): 实例化tree对象, 返回etree对象  
> tree.xpath(): 可以定位标签  
> etree.tostring：节点对象到字符串的转换

## 常用方法举例 ##

分析豆瓣网址相关数据，来说明etree.xpath的使用。

#### 1.初始化 ####

from lxml import etree
    # 实例化tree对象
    tree = etree.HTML(open('index.html', 'r', encoding='UTF-8').read())

#### 2.找超链接 登录 注册 ####

res = tree.xpath('/html/body/div/div/div/a')
    # 节点对象转换成字符串输出
    for e in res:
        print(etree.tostring(e,encoding='UTF-8').decode('UTF-8'))

运行结果：

> [登录][Link 1]  
> [注册][Link 2]  
> [下载豆瓣客户端][Link 3]

#### 3.超链接 a 获取所有当前页面中的a 无论在哪个位置 ####

# 超链接 a  获取所有当前页面中的a  无论在哪个位置
    res = tree.xpath('//a')
    res = tree.xpath('//img')  # 获取页面中所有的img标签
    # print(res)
    for e in res:
        print(etree.tostring(e,encoding='UTF-8').decode('UTF-8'))

#### 4.文本内容获取 ####

res = tree.xpath('/html/body/div/div/div/a')
    res = tree.xpath('/html/body/div/div/div/a/text()')  # 获取a中的文本
    res = tree.xpath('//a/text()')  # 获取a中的文本
    print(res)

#### 5.路径中混合使用/ 和 // ####

# 路径中混合使用/ 和 //
    res = tree.xpath('//ul[@class="cover-col-4 clearfix"]')
    print(res)
    print(etree.tostring(res[0],encoding='UTF-8').decode('UTF-8'))

#### 6.获取前两个li ####

res = tree.xpath('//ul[@class="cover-col-4 clearfix"]/li[position()<3]')
    print(res)

#### 7.@attr 属性 ####

# @attr 属性
    # res = tree.xpath('//img')  # 获取img标签
    # res = tree.xpath('//img/@src')  # 获取img的src
    # res = tree.xpath('//@src')  # 获取所有的src属性
    res = tree.xpath('//img[@src]')  # 获取所有具有src属性的img标签
    print(res)

#### 8.判断和比较 ####

# res = tree.xpath('//a[@class]')  # 获取所有带有class属性的a
    # res = tree.xpath('//a[@class="cover"]')  #  所有class属性值为"cover"的超链接
    # res = tree.xpath('//a[@price>"10"]')  #  获取price属性大于10的标签
    # res = tree.xpath('//a[@price>="10"]')  #  获取price属性大于等于10的标签
    # res = tree.xpath('//a[@price<"10"]')  #  获取price属性小于10的标签
    # res = tree.xpath('//a[@price<="10"]')  #  获取price属性小于10的标签
    res = tree.xpath('//a[@price!="10"]')  #  获取price属性小于10的标签
    # print(res)
    for e in res:
        print(etree.tostring(e,encoding='UTF-8').decode('UTF-8'))

#### 9.判断和比较 ####

#### 10.通配符\*的使用 ####

一般只有在copy xpath的时候会出现\* 自己写的时候很少用

res = tree.xpath('//*[@price]')
    for e in res:
        print(etree.tostring(e,encoding='UTF-8').decode('UTF-8'))

运行结果：

> % python3 my\_2xpath\_test.py  
> 10  
> 20  
> 30  
>   
> **加粗**  
>

xpash看起来解析功能很强大，很多时候和正则表达式一起使用，你会收到惊喜。

<本篇完>

[Link 1]: https://www.douban.com/accounts/login?source=book
[Link 2]: https://www.douban.com/accounts/register?source=book
[Link 3]: https://www.douban.com/doubanapp/app?channel=top-nav