目前有很多xml,html文档的parser,如标准库的xml.etree , beautifulsoup  ,  还有lxml. 都用下来感觉lxml不错,速度也还行,就他了.

围绕三个问题:

  • 问题1：有一个XML文件，如何解析
  • 问题2：解析后，如果查找、定位某个标签
  • 问题3：定位后如何操作标签，比如访问属性、文本内容等

这些操作应该算是比较基础的,参考教程中文版,官网更详细一点,进阶xpath语法,要在以后操作xml文件和html文件用上.

#!/usr/bin/python

# coding=utf-8

# __author__='dahu'

#

'''

Element是XML处理的核心类，

Element对象可以直观的理解为XML的节点，大部分XML节点的处理都是围绕该类进行的。

这部分包括三个内容：节点的操作、节点属性的操作、节点内文本的操作。

'''

from lxml import etree

# 1.创建element

root = etree.Element('root')

print root, root.tag

# 2.添加子节点

child1 = etree.SubElement(root, 'child1')

child2 = etree.SubElement(root, 'child2')

# 3.删除子节点

# root.remove(child2)

# 4.删除所有子节点

# root.clear()

# 5.以列表的方式操作子节点

print(len(root))

print root.index(child1)  # 索引号

root.insert(0, etree.Element('child3'))  # 按位置插入

root.append(etree.Element('child4'))  # 尾部添加

# 6.获取父节点

print(child1.getparent().tag)

# print root[0].getparent().tag   #用列表获取子节点,再获取父节点

'''以上都是节点操作'''

# 7.创建属性

# root.set('hello', 'dahu')   #set(属性名,属性值)

# root.set('hi', 'qing')

# 8.获取属性

# print(root.get('hello'))    #get方法

# print root.keys(),root.values(),root.items()    #参考字典的操作

# print root.attrib           #直接拿到属性存放的字典,节点的attrib,就是该节点的属性

'''以上是属性的操作'''

# 9.text和tail属性

# root.text = 'Hello, World!'

# print root.text

# 10.test,tail和text的结合

html = etree.Element('html')

html.text = 'html.text'

body = etree.SubElement(html, 'body')

body.text = 'wo ai ni'

child = etree.SubElement(body, 'child')

child.text='child.text' #一般情况下,如果一个节点的text没有内容,就只有</>符号,如果有内容,才会<>,</>都有

child.tail = 'tails'  # tail是在标签后面追加文本

print(etree.tostring(html))

# print(etree.tostring(html, method='text'))  # 只输出text和tail这种文本文档,输出的内容连在一起,不实用

#11.Xpath方式

# print(html.xpath('string()'))   #这个和上面的方法一样,只返回文本的text和tail

print(html.xpath('//text()'))   #这个比较好,按各个文本值存放在列表里面

tt=html.xpath('//text()')

print tt[0].getparent().tag     #这个可以,首先我可以找到存放每个节点的text的列表,然后我再根据text找相应的节点

# for i in tt:

#     print i,i.getparent().tag,'\t',

#12.判断文本类型

print tt[0].is_text,tt[-1].is_tail  #判断是普通text文本,还是tail文本

'''以上都是文本的操作'''

#13.字符串解析,fromstring方式

xml_data = '<html>html.text<body>wo ai ni<child>child.text</child>tails</body></html>'

root1=etree.fromstring(xml_data)    #fromstring,字面意思,直接来源字符串

# print root1.tag

# print etree.tostring(root1)

#14.xml方式

root2 = etree.XML(xml_data)     #和fromstring基本一样,

print etree.tostring(root2)

#15.文件类型解析

tree =etree.parse('text')   #文件解析成元素树

root3 = tree.getroot()      #获取元素树的根节点

print etree.tostring(root3,pretty_print=True)

parser= etree.XMLParser(remove_blank_text=True) #去除xml文件里的空行

root = etree.XML("<root>  <a/>   <b>  </b>     </root>",parser)

print etree.tostring(root)

#16.html方式

xml_data1='<root>data</root>'

root4 = etree.HTML(xml_data1)

print(etree.tostring(root4))#HTML方法，如果没有<html>和<body>标签，会自动补上

#注意,如果是需要补全的html格式:这样处理哦

with open("quotes-1.html",'r')as f:

    a=H.document_fromstring(f.read().decode("utf-8"))

for i in  a.xpath('//div[@class="quote"]/span[@class="text"]/text()'):

    print i

#17.输出内容,输出xml格式

print etree.tostring(root)

print(etree.tostring(root, xml_declaration=True,pretty_print=True,encoding='utf-8'))#指定xml声明和编码

'''以上是文件IO操作'''

#18.findall方法

root = etree.XML("<root><a x='123'>aText<b/><c/><b/></a></root>")

print(root.findall('a')[0].text)#findall操作返回列表

print(root.find('.//a').text)   #find操作就相当与找到了这个元素节点,返回匹配到的第一个元素

print(root.find('a').text)

print [ b.text for b in root.findall('.//a') ]    #配合列表解析,相当帅气!

print(root.findall('.//a[@x]')[0].tag)  #根据属性查询

'''以上是搜索和定位操作'''

print(etree.iselement(root))

print root[0] is root[1].getprevious()  #子节点之间的顺序

print root[1] is root[0].getnext()

'''其他技能'''

# 遍历元素数

root = etree.Element("root")

etree.SubElement(root, "child").text = "Child 1"

etree.SubElement(root, "child").text = "Child 2"

etree.SubElement(root, "another").text = "Child 3"

etree.SubElement(root[0], "childson").text = "son 1"

# for i in root.iter():   #深度遍历

# for i in root.iter('child'):    #只迭代目标值

#     print i.tag,i.text

# print etree.tostring(root,pretty_print=True)
												


											
python lxml教程的更多相关文章
	

    
								
  1. Python爬虫教程-25-数据提取-BeautifulSoup4（三）
		
    Python爬虫教程-25-数据提取-BeautifulSoup4(三) 本篇介绍 BeautifulSoup 中的 css 选择器 css 选择器 使用 soup.select 返回一个列表 通过标 ...
    
		
    2. 
						
  2. Python爬虫教程-24-数据提取-BeautifulSoup4（二）
		
    Python爬虫教程-24-数据提取-BeautifulSoup4(二) 本篇介绍 bs 如何遍历一个文档对象 遍历文档对象 contents:tag 的子节点以列表的方式输出 children:子节 ...
    
		
    3. 
						
  3. Python爬虫教程-23-数据提取-BeautifulSoup4（一）
		
    Beautiful Soup是python的一个库,最主要的功能是从网页抓取数据,查看文档 https://www.crummy.com/software/BeautifulSoup/bs4/doc. ...
    
		
    4. 
						
  4. Python爬虫教程-22-lxml-etree和xpath配合使用
		
    Python爬虫教程-22-lxml-etree和xpath配合使用 lxml:python 的HTML/XML的解析器 官网文档:https://lxml.de/ 使用前,需要安装安 lxml 包  ...
    
		
    5. 
						
  5. Python快速教程 尾声
		
    作者:Vamei 出处:http://www.cnblogs.com/vamei 欢迎转载,也请保留这段声明.谢谢! 写了将近两年的Python快速教程,终于大概成形.这一系列文章,包括Python基 ...
    
		
    6. 
						
  6. 【Python大系】Python快速教程
		
    感谢原作者:Vamei 出处:http://www.cnblogs.com/vamei 怎么能快速地掌握Python?这是和朋友闲聊时谈起的问题. Python包含的内容很多,加上各种标准库.拓展库, ...
    
		
    7. 
						
  7. CentOS 5系统安装Django、Apache 、mod_wsgi部署Python环境教程
		
    Django,是一款针对Python环境的WEB开发框架,能够帮助我们构架快捷.简单的WEB框架设置,Django框架非常适合开发内容应用环境,所以在本文中,麦子将整理基于Centos系统部署安装Dj ...
    
		
    8. 
						
  8. 《Python算法教程》译者序
		
    在计算机的世界中,算法本质上是我们对某一个问题或者某一类问题的解决方案.也就是说,如果我们想用计算机来解决问题的话,就必须将问题的解决思路准确而完整地描述出来,同时计算机也要能理解这个描述.这需要我们 ...
    
		
    9. 
						
  9. 改写《python基础教程》中的一个例子
		
    一.前言 初学python,看<python基础教程>,第20章实现了将文本转化成html的功能.由于本人之前有DIY一个markdown转html的算法,所以对这个例子有兴趣.可仔细一看 ...
    
		
    10. 
		

	


随机推荐
	

    
									
  1. 【mysql】测试方案整理
			
    http://www.cnblogs.com/callhe/ https://www.digitalocean.com/community/tutorials/how-to-measure-mysql ...
    
			
    2. 
						
  2. 巧用Java中Calendar工具类
			
    Java的JDK中提供了一系列好用的util工具类.Calendar就是java.util中用于处理日期的工具类.且该工具类易学易用实用. 工具类Calendar是抽象类. PS:为什么把Calend ...
    
			
    3. 
						
  3. css中px em rem vw vh vmax vmin等单位的区别--转载
			
    px:绝对单位,页面按精确像素展示 em:相对单位,基准点为父节点字体的大小,如果自身定义了font-size按自身来计算(浏览器默认字体是16px),整个页面内1em不是一个固定的值. rem:相对 ...
    
			
    4. 
						
  4. 使用L2正则化和平均滑动模型的LeNet-5MNIST手写数字识别模型
			
    使用L2正则化和平均滑动模型的LeNet-5MNIST手写数字识别模型 觉得有用的话,欢迎一起讨论相互学习~Follow Me 参考文献Tensorflow实战Google深度学习框架 实验平台: T ...
    
			
    5. 
						
  5. 使用EA软件画数据库图表
			
    使用EA软件可以画出数据库的图表并生成SQL语句,非常方便,下面介绍一下步骤 1.先创建一个默认的工程 2.新建一个视图 3.在视图中添加一个图表 4.使用图表工具箱画表 没有出现toolbox的话, ...
    
			
    6. 
						
  6. VC6完整项目代码升级到VS2010
			
    VC6完整项目代码升级到VS2010,有需要请联系我,专业C++开发,邮箱153786575@qq.com
    
			
    7. 
						
  7. errno错误号含义
			
    errno0 : Success errno1 : Operation not permitted errno2 : No such file or directory errno3 : No suc ...
    
			
    8. 
						
  8. PHP与Ajax
			
    如何用PHP接收JSON格式数据 1.一般来说,我们直接用$_POST $_REQUEST $_GET这样的超全局变量接收就好了 <?php $obj_temp=$_POST['data'];  ...
    
			
    9. 
						
  9. 【POJ】3233 Matrix Power Series
			
    [算法]二分+矩阵快速幂 [题意]给定矩阵A和整数k,MOD,求A^0+A^1+A^2+...+A^k. [题解] 定义题目要求的答案为f(n),即: $$f_n=\sum_{i=0}^{n}A^i$ ...
    
			
    10. 
						
  10. 【BZOJ】2125: 最短路 圆方树（静态仙人掌）
			
    [题意]给定带边权仙人掌图,Q次询问两点间最短距离.n,m,Q<=10000 [算法]圆方树处理仙人掌问题 [题解]树上的两点间最短路问题,常用倍增求LCA解决,考虑扩展到仙人掌图. 先对仙人掌 ...
    
			
    11.