lxml基础

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

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 ...
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 ...
《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 ...
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 ...
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 ...
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 ...
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 ...
Python爬虫基础之lxml
一.Python lxml的基本应用 <html> <head> <title> The Dormouse's story </title> </ ...
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

微软BI 之SSAS 系列 - 多维数据集维度用法之二事实维度(退化维度 Degenerate Dimension)
这篇文章是基于上一篇 SSAS 系列 - 多维数据集维度用法之一引用维度 Referenced Dimension 继续讲解多维数据集维度用法中的事实维度. 事实维度,顾名思义就是把事实表 Fact ...
【ShoppingPeeker】-基于Webkit内核的爬虫蜘蛛引擎 ShoppingWebCrawler的姊妹篇-可视化任务Web管理
ShoppingPeeker 这个项目是蜘蛛项目的可视化任务站点. 项目github地址:ShoppingPeeker 开发语言:C# 开发工具:Visual Studio 2017 +.Net Co ...
Linux下利用backtrace追踪函数调用堆栈以及定位段错误[转]
来源:Linux社区作者:astrotycoon 一般察看函数运行时堆栈的方法是使用GDB(bt命令)之类的外部调试器,但是,有些时候为了分析程序的BUG,(主要针对长时间运行程序的分析),在程序 ...
浅析Sql Server参数化查询
说来惭愧,工作差不多4年了,直到前些日子被DBA找上门让我优化一个CPU占用很高的复杂SQL语句时,我才突然意识到了参数化查询的重要性. 相信有很多开发者和我一样对于参数化查询认识比较模糊,没有引起足 ...
[Big Data - ZooKeeper] ZooKeeper: A Distributed Coordination Service for Distributed Applications
ZooKeeper ZooKeeper: A Distributed Coordination Service for Distributed Applications Design Goals Da ...
sqlmap tamter
支持的数据库编号脚本名称作用实现方式 all 1 apostrophemask.py 用utf8代替引号 ("1 AND '1'='1") '1 AND %EF%BC%87 ...
【iCore4 双核心板_ARM】例程十七：USB_MSC实验——读/写U盘（大容量存储器）
实验方法: 1.将跳线冒跳至USB_UART,通过Micro USB 线将iCore4 USB-UART接口与电脑相连. 2.打开PUTTY软件. 3.通过读U盘转接线将U盘(或者读卡器)与iCore ...
【iCore1S 双核心板_ARM】例程十二：DMA实验——存储器到存储器的传输
实验原理: DAM(直接存储器访问)传输不需要占用CPU,可以在存储器至存储器实现高速的数据传输.本实验采用DAM2控制器的数据流0,选用通道0进行数据传输.通过LED的颜色来判断传输是否成功. ...
java 中使用log4j
一.控制台使用 1.导入log4j包到工程中 2.配置: log4j.rootLogger=DEBUG,console,R log4j.appender.console=org.apache.log4 ...
easyui 自定义验证规则验证用户是否已经存在远程ajax验证
easyui远程ajax验证 2014年09月30日 22:29:32 clj198606061111 阅读数:6130 标签: easyui 更多个人分类: jqueryeasyui 版权声明:本 ...

lxml基础

lxml基础的更多相关文章

随机推荐

热门专题