使用Python的lxml模块提取HTML/XML 数据
程序员文章站
2022-03-21 22:29:29
demo#更新： 新版本引入etree模块方式from lxml import htmletree = html.etreetree = etree.HTML("")html = ''' Title <...
demo
#更新： 新版本引入etree模块方式
from lxml import html
etree = html.etree
tree = etree.HTML("")
html = '''
<html lang="en">
<head>
<meta charset="UTF-8">
<title class="sub_title">Title</title>
</head>
<body>
<div class="none">
<a href ="#">Spaceack's code</a>
</div>
<div class="link">
<a href ="http://spaceack.com">Spaceack's blog</a>
</div>
</body>
</html>
'''
# 老版本引入etree模块方式
from lxml import etree
tree = etree.HTML(html)
# 获取class为link的a标签的元素内容
a_content = tree.xpath('.//div[@class="link"]/a/text()')
print(a_content)
# ["Spaceack's blog"]
# 使用attrib获取标签的属性值
href_element = tree.xpath('.//div[@class="link"]/a')
print(href_element)
# [<Element a at 0x7ff3571a4d80>]
href = href_element[0].attrib.get('href')
print(href)
# http://spaceack.com
获取标签元素内容为空的两种不同效果:
- demo
from lxml import etree
# 可见第二个标签 td 元素内容为空
tree = etree.HTML("<th>水果</th><td>苹果</td><th>价格</th><td></td>")
key = tree.xpath("//th/text()")
value = tree.xpath("//td/text()")
print(key, value)
'''
['水果', '价格'] ['苹果']
'''
如果想让价格使用None或空字符串''来占位，可以这样做:
key = tree.xpath("//th")
value = tree.xpath("//td")
key = [item.text for item in key]
value = [item.text for item in value]
print(key, value)
'''
['水果', '价格'] ['苹果', None]
'''
key = ["" if item.text==None else item.text for item in key]
value = ["" if item.text==None else item.text for item in value]
print(key, value)
'''
key ['水果'， '价格']
['水果', '价格'] ['苹果', '']
'''
本文地址：https://blog.csdn.net/a541972321/article/details/110249717
推荐阅读
-
python数据持久存储 pickle模块的基本使用方法解析
-
使用python解析xml成对应的html示例分享
-
Python数据持久存储：pickle模块的基本使用
-
Python使用Pickle模块进行数据保存和读取的讲解
-
Python使用re模块正则提取字符串中括号内的内容示例
-
Python模块对Redis数据库的连接与使用讲解
-
在Python中使用matplotlib模块绘制数据图的示例
-
Python数据抓取_BeautifulSoup模块的使用
-
python 之 数据库（多表查询之连接查询、子查询、pymysql模块的使用）
-
Python使用urllib2模块抓取HTML页面资源的实例分享