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

  1. 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 ...

  2. 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 ...

  3. 《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 ...

  4. 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 ...

  5. 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 ...

  6. 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 ...

  7. 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 ...

  8. Python爬虫基础之lxml

    一.Python lxml的基本应用 <html> <head> <title> The Dormouse's story </title> </ ...

  9. 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

  1. 【转】《iOS7 by Tutorials》系列：iOS7的设计精髓(下)

    四.聚焦于内容 在iOS7里,强调的不是眼花缭乱的装饰效果,而是最重要的内容本身. 下面我们来探讨这个主题: 1.删除不必要的内容 伟大的设计更多是减法和加法的组合. 虽然很酷的想法是很重要,但还有更 ...

  2. mysql 5.5.x zip直接解压版 报1076

    到官网下载mysql-5.5.10-win32.zip,然后将mysql解压到任意路径,如:C:\mysql-5.5.10-win32 打开计算机->属性->高级系统设置->环境变量 ...

  3. 【概念原理】四种SQL事务隔离级别和事务ACID特性

    摘要: SQL事务隔离级别和事务的ACID特性 事务是一组读写操作,并且具有只有所有操作都成功才算成功的特性.   事务隔离级别 SQL事务隔离级别由弱到强分别是:READ_UNCOMMITTED.R ...

  4. Java中使用FileputStream导致中文乱码问题的修改方案

    package com.pocketdigi; import java.io.File; import java.io.FileInputStream; import java.io.FileOutp ...

  5. OkHttp踩坑记：为何 response.body().string() 只能调用一次？

    想必大家都用过或接触过 OkHttp,我最近在使用 Okhttp 时,就踩到一个坑,在这儿分享出来,以后大家遇到类似问题时就可以绕过去. 只是解决问题是不够的,本文将 侧重从源码角度分析下问题的根本, ...

  6. syslog之三：建立Windows下面的syslog日志服务器

    目录: <syslog之一:Linux syslog日志系统详解> <syslog之二:syslog协议及rsyslog服务全解析> <syslog之三:建立Window ...

  7. 用VS2012建立core2.1网站项目后引用Microsoft.AspNetCore.Session不了

    做个.NET CORE的新项目,和往常一样,VS2017新建CORE项目(CORE2.1),NUGET引入session,结果引入不了,说什么版本不对应的,把SESSION降了一个版本,可以安装上了, ...

  8. IOS SDK -UITableView的奇葩特性

    UITableView是IOS提供的一个带有复用机制的滚动表格,目前的基本功能就是垂直的表格,可以有多个section,每个section可以有多个row,然后还包含有sectionview,foot ...

  9. java框架篇---hibernate之缓存机制

    一.why(为什么要用Hibernate缓存?) Hibernate是一个持久层框架,经常访问物理数据库. 为了降低应用程序对物理数据源访问的频次,从而提高应用程序的运行性能. 缓存内的数据是对物理数 ...

  10. tomcat启动时非常慢，启动时 一直卡在Root WebApplicationContext: initialization completed

    每次重启自己的服务tomcat都需要卡住很长时间,每次都是日志停在 Root WebApplicationContext: initialization completed in 744 ms这个地方 ...