　当前位置：家常菜>百科>科技>正文

python xpath

人气：431 ℃/2024-02-07 14:15:41

python中xpath怎么使用呢？不知道的小伙伴来看看小编今天的分享吧!

一、xpath简介

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 和 XPointer 都构建于 XPath 表达之上。

二、安装

pip3 install lxml

三、使用

1、导入

from lxml import etree

2、基本使用

from lxml import etree

wb_data = """

<div>

<ul>

<li class="item-0"><a href="link1.html">first item</a></li>

<li class="item-1"><a href="link2.html">second item</a></li>

<li class="item-inactive"><a href="link3.html">third item</a></li>

<li class="item-1"><a href="link4.html">fourth item</a></li>

<li class="item-0"><a href="link5.html">fifth item</a>

</ul>

</div>

"""

html = etree.HTML(wb_data)

print(html)

result = etree.tostring(html)

print(result.decode("utf-8"))

从下面的结果来看，我们打印机html其实就是一个python对象，etree.tostring(html)则是不全里html的基本写法，补全了缺胳膊少腿的标签。

<ul>

<li class="item-0"><a href="link1.html">first item</a></li>

<li class="item-1"><a href="link2.html">second item</a></li>

<li class="item-inactive"><a href="link3.html">third item</a></li>

<li class="item-1"><a href="link4.html">fourth item</a></li>

<li class="item-0"><a href="link5.html">fifth item</a>

</li></ul>

</div>

</body></html>

3、获取某个标签的内容(基本使用)，注意，获取a标签的所有内容，a后面就不用再加正斜杠，否则报错。

写法一

html = etree.HTML(wb_data)

html_data = html.xpath('/html/body/div/ul/li/a')

print(html)

for i in html_data:

print(i.text)

first item

second item

third item

fourth item

fifth item

写法二（直接在需要查找内容的标签后面加一个/text()就行）

html = etree.HTML(wb_data)

html_data = html.xpath('/html/body/div/ul/li/a/text()')

print(html)

for i in html_data:

print(i)

first item

second item

third item

fourth item

fifth item

4、打开读取html文件

#使用parse打开html的文件

html = etree.parse('test.html')

html_data = html.xpath('//*')<br>#打印是一个列表，需要遍历

print(html_data)

for i in html_data:

print(i.text)

html = etree.parse('test.html')

html_data = etree.tostring(html,pretty_print=True)

res = html_data.decode('utf-8')

print(res)

打印：

<div>

<ul>

<li class="item-0"><a href="link1.html">first item</a></li>

<li class="item-1"><a href="link2.html">second item</a></li>

<li class="item-inactive"><a href="link3.html">third item</a></li>

<li class="item-1"><a href="link4.html">fourth item</a></li>

<li class="item-0"><a href="link5.html">fifth item</a></li>

</ul>

</div>

5、打印指定路径下a标签的属性（可以通过遍历拿到某个属性的值，查找标签的内容）

html = etree.HTML(wb_data)

html_data = html.xpath('/html/body/div/ul/li/a/@href')

for i in html_data:

print(i)

打印：

link1.html

link2.html

link3.html

link4.html

link5.html

6、我们知道我们使用xpath拿到得都是一个个的ElementTree对象，所以如果需要查找内容的话，还需要遍历拿到数据的列表。

查到绝对路径下a标签属性等于link2.html的内容。

html = etree.HTML(wb_data)

html_data = html.xpath('/html/body/div/ul/li/a[@href="link2.html"]/text()')

print(html_data)

for i in html_data:

print(i)

打印：

['second item']

second item

7、上面的找到全部都是绝对路径（每一个都是从根开始查找），下面是查找相对路径，例如，查找所有li标签下的a标签内容。

html = etree.HTML(wb_data)

html_data = html.xpath('//li/a/text()')

print(html_data)

for i in html_data:

print(i)

打印：

['first item', 'second item', 'third item', 'fourth item', 'fifth item']

first item

second item

third item

fourth item

fifth item

8、上面我们使用绝对路径，查找了所有a标签的属性等于href属性值，利用的是/---绝对路径，下面我们使用相对路径，查找一下l相对路径下li标签下的a标签下的href属性的值，注意，a标签后面需要双//。

html = etree.HTML(wb_data)

html_data = html.xpath('//li/a//@href')

print(html_data)

for i in html_data:

print(i)

打印：

['link1.html', 'link2.html', 'link3.html', 'link4.html', 'link5.html']

link1.html

link2.html

link3.html

link4.html

link5.html

9、相对路径下跟绝对路径下查特定属性的方法类似，也可以说相同。

html = etree.HTML(wb_data)

html_data = html.xpath('//li/a[@href="link2.html"]')

print(html_data)

for i in html_data:

print(i.text)

打印：

[<Element a at 0x216e468>]

second item

10、查找最后一个li标签里的a标签的href属性

html = etree.HTML(wb_data)

html_data = html.xpath('//li[last()]/a/text()')

print(html_data)

for i in html_data:

print(i)

打印：

['fifth item']

fifth item

11、查找倒数第二个li标签里的a标签的href属性

html = etree.HTML(wb_data)

html_data = html.xpath('//li[last()-1]/a/text()')

print(html_data)

for i in html_data:

print(i)

打印：

['fourth item']

fourth item

12、如果在提取某个页面的某个标签的xpath路径的话，可以如下图：

//*[@id="kw"]

解释：使用相对路径查找所有的标签，属性id等于kw的标签。

歇后语泥鳅跳龙门

1、龙王爷跳大海——正规；正归2、秃尾龙拜山——搞风捣雨3、蚊龙造反——翻江倒海4、龙王爷翻脸&mdas...
歇后语查看全文>>
车辆涉水熄火二次打火没启动怎么办?

车辆涉水熄火二次打火没启动原因：1、汽车涉水熄火后是严禁未进行任何处理进行二次启动的；2、你虽然启动正常，但是你的发动机缸内已经进水了，水是通过排气管倒灌进发动机的，由于发动机...
问答查看全文>>
倒车影像显示nosignal怎么解决？

倒车影像显示nosignal的解决方法是：用橡皮擦拭内存条，并检查内存条的金手指是否有烧焦的痕迹，把内存更换插槽；查看主板上面的电容、电阻，看电容是否有鼓包，主板上是否有焦味，...
问答查看全文>>
拍砖是什么意思什么梗欢迎拍砖的含义

拍砖是什么意思什么梗？拍砖，网络流行词，“拍砖”起初主要是用在论坛里，在网络中有骂人的意思，还有用语言文字作为砖头进行攻击、批驳的含义。下面就跟小编一起具体看看拍砖等相关内容。...
热词查看全文>>
qq分组名称好听小清新

好听小清新qq分组名称有哪些？下面就给大家详细介绍：✒ℳ比绿钻还清新比紫钻还高贵ℳℳ比黄钻还耀眼比红钻还妩媚ℳℳ比粉钻还可爱比黑钻还大气ℳ✒ℓ花间闻赋シℓ月下抚琴シℓ树桫醉鹤シ...
生活查看全文>>

python xpath

歇后语泥鳅跳龙门

车辆涉水熄火二次打火没启动怎么办?

倒车影像显示nosignal怎么解决？

拍砖是什么意思什么梗 欢迎拍砖的含义

qq分组名称好听小清新

推荐

家常菜

拍砖是什么意思什么梗欢迎拍砖的含义