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. oracle-DECODE()函数
			
    DECODE()函数 DECODE(value, if1, then1, if2,then2, if3,then3, . . . else ) 含义解释: DECODE(条件,值1,翻译值1,值2,翻 ...
    
			
    2. 
						
  2. Cochran’s Q Test
			
    sklearn实战-乳腺癌细胞数据挖掘(博客主亲自录制视频教程) https://study.163.com/course/introduction.htm?courseId=1005269003&a ...
    
			
    3. 
						
  3. [Wc2007]剪刀石头布
			
    [Wc2007]剪刀石头布 http://www.lydsy.com/JudgeOnline/problem.php?id=2597 Time Limit: 20 Sec  Memory Limit: ...
    
			
    4. 
						
  4. 基于HDP3.0的基础测试
			
    1,TestDFSIO write和read的性能测试, 测试hadoop读写的速度.该测试为Hadoop自带的测试工具,位于$HADOOP_HOME/share/hadoop/mapreduce目录 ...
    
			
    5. 
						
  5. 10款好用的 jQuery 图片切换效果插件
			
    jQuery 是一个非常优秀的 Javascript 框架,使用简单灵活,同时还有许多成熟的插件可供选择.其中,最令人印象深刻的应用之一就是对图片的处理,它可以让帮助你在你的项目中加入一些让人惊叹的效 ...
    
			
    6. 
						
  6. 用Vue来实现图片上传多种方式
			
    没有业务场景的功能都是耍流氓,那么我们先来模拟一个需要实现的业务场景.假设我们要做一个后台系统添加商品的页面,有一些商品名称.信息等字段,还有需要上传商品轮播图的需求. 我们就以Vue.Element ...
    
			
    7. 
						
  7. python3爬虫.1.简单的网页爬虫
			
    此为记录下我自己的爬虫学习过程. 利用url包抓取网页 import urllib.request #url包 def main(): url = "http://www.douban.co ...
    
			
    8. 
						
  8. 2-Python基础语法-内存管理-运算符-程序控制
			
    目录 1 Python 基础语法 1.1 注释 1.2 缩进 1.3 续行 1.4 标识符 1.5 转义序列 1.6 数字 1.7 字符串 1.8 其他 2 Python 运算符 2.1 赋值运算符  ...
    
			
    9. 
						
  9. Tomcat参数调优包括日志、线程数、内存【转】
			
    [Tomcat中日志打印对性能测试的影响] 一般都提供了这样5个日志级别: ▪ Debug ▪ Info ▪ Warn ▪ Error ▪ Fatal 由于性能测试需要并发进行压力测试,如果日志级别是 ...
    
			
    10. 
						
  10. 【转载】C#异常Retry通用类
			
    //Retry机制 public static class Retry { /// <summary> /// 重试零个参数无返回值的方法 /// </summary> /// ...
    
			
    11.