python中lxml库之etree使用步骤详解

更新时间：2025年03月13日 11:02:57 作者：闲人陈二狗

这篇文章主要介绍了python中lxml库之etree使用的相关资料,lxml库中的etree模块提供了一个简单而灵活的API来解析和操作XML/HTML文档,文中通过代码介绍的非常详细,需要的朋友可以参考下

一、 etree 介绍

lxml 库是 Python 中一个强大的 XML 处理库，简单来说，etree 模块提供了一个简单而灵活的API来解析和操作 XML/HTML 文档。

官方网址：The lxml.etree Tutorial
安装：pip install lxml

二、xpath 解析 html/xml

1、第一步就是使用 etree 连接 html/xml 代码/文件。

语法：

root = etree.XML(xml代码) #xml 接入
root = etree.HTML(html代码) #html 接入
引入 from lxml import etree

from lxml import etree

root = etree.XML("<root>data</root>")
print(root.tag)
#root
print(etree.tostring(root))
#b'<root>data</root>'
 
root = etree.HTML("<p>data</p>")
print(root.tag)
#html
print(etree.tostring(root))
#b'<html><body><p>data</p></body></html>'

2、 xpath 表达式定位

xpath 使用路径表达式在 HTML/XML 文档中选取节点。节点是通过沿着路径或者 step 来选取的。下面列出了最有用的路径表达式：

表达式	描述
/	从根节点选取（取子节点）
//	任意节点，不考虑位置（取子孙节点）
.	选取当前节点
…	选取当前节点的父节点
@	选取属性
contain(@属性，“包含的内容”)	模糊查询
text()	文本内容

① xpath结合属性定位

html.xpath(“.//标签名[@属性=‘属性值’]”) #注意，这返回的是列表！！
[] ：表示要根据属性找元素
@ ：后边跟属性的key,表示要通过哪个属性定位

from lxml import etree
 
ht = """<html>
  <head>
    <title>This is a sample document</title>
  </head>
  <body>
    <h1 class="title">Hello!</h1>
    <p>This is a paragraph with <b>bold</b> text in it!</p>
    <p>This is another paragraph, with a
      <a href="http://www.python.org" rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow" >link</a>.</p>
    <p>Here are some reserved characters: &lt;spam&amp;egg&gt;.</p>
    <p>And finally an embedded XHTML fragment.</p>
  </body>
</html>"""
 
html = etree.HTML(ht)
 
title = html.xpath(".//h1[@class='title']")[0] #取列表中的第一个元素
print(etree.tostring(title))
#b'<h1 class="title">Hello!</h1>\n    '
print(title.get('class'))
# title

② xpath文本定位及获取

ele = html.xpath(“.//标签名[text()=‘文本值’]”)[0]
text1 = ele.text #获取元素文本1，ele为定位后的元素
text2 = html.xpath(“string(.//标签名[@属性=‘属性值’])”) #获取元素文本2，返回文本
text3 = html.xpath(“.//标签名[@属性=‘属性值’]/text()”) #获取元素文本3，返回文本列表

title1 = html.xpath(".//h1[text()='Hello!']")[0] #取列表中的第一个元素
text1 = title1.text
print(text1)
#Hello!
text2 = html.xpath("string(.//h1[@class='title'])")
print(text2)
#Hello!
text3 = html.xpath(".//h1[@class='title']/text()") #返回列表
print(text3)
#['Hello!']

③ xpath层级定位

实际开发时，若需求元素没有像 id、name、class 等基本属性，那么我们就需要借助相邻的元素定位，首先我们可以定位到相邻元素，然后通过层级关系来定位最终元素。

html.xpath(“.//父元素标签名[@父元素属性=‘父元素属性值’]/子元素标签名”) #由上到下的层级关系，目标是子元素
html.xpath(“.//子元素标签名[@子元素属性=‘子元素属性值’]/parent::父元素标签名”) #父子元素定位，目标是父元素在这里插入代码片
html.xpath(“.//元素标签名[@元素属性=‘元素属性值’]//preceding-sibling::哥哥元素标签名”) #哥哥元素定位，目标是哥哥元素
html.xpath(“.//元素标签名[@元素属性=‘元素属性值’]//following-sibling::弟弟元素标签名”) #弟弟元素定位，目标是弟弟元素

from lxml import etree
 
ht = """<html>
  <head>
    <title>This is a sample document</title>
  </head>
  <body>
    <h1 class="title">Hello!</h1>
    <p>This is a paragraph with <b>bold</b> text in it!</p>
    <p class="para">This is another paragraph, with a
      <a href="http://www.python.org" rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow" >link</a>.</p>
    <p>Here are some reserved characters: <spam&egg>.</p>
    <p>And finally an embedded XHTML fragment.</p>
  </body>
</html>"""
 
html = etree.HTML(ht)
 
 
ele1 = html.xpath(".//p[@class='para']/a")[0] #由上到下的层级关系
print(etree.tostring(ele1))
#b'<a href="http://www.python.org" rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow" >link</a>.'
 
ele2 = html.xpath(".//a[@href='http://www.python.org']/parent::p")[0]#父子元素定位
print(etree.tostring(ele2))
#b'<p class="para">This is another paragraph, with a\n      <a href="http://www.python.org" rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow" >link</a>.</p>\n    '
 
ele3 = html.xpath(".//p[@class='para']//preceding-sibling::p")[0] #哥哥元素定位
print(etree.tostring(ele3))
#b'<p>This is a paragraph with <b>bold</b> text in it!</p>\n    '
 
ele4 = html.xpath(".//p[@class='para']//following-sibling::p") #弟弟元素定位
for ele in ele4:
    print(etree.tostring(ele))
    #b'<p>Here are some reserved characters: <spam&egg>.</p>\n    '
    #b'<p>And finally an embedded XHTML fragment.</p>\n  '

④ xpath索引定位

etree 结合 xpath 进行索引定位主要有两种方式，主要是因为 html.xpath() 返回的是一个列表。

html.xpath(“xpath表达式”)[0] #获取列表中第一个元素
html.xpath(“xpath表达式”)[-1] #获取列表中最后一个元素
html.xpath(“xpath表达式”)[-2] #获取列表中倒数第二个元素

ele1 = html.xpath(".//body/p")[0]
print(etree.tostring(ele1))
#b'<p>This is a paragraph with <b>bold</b> text in it!</p>\n    '
 
ele1 = html.xpath(".//body/p")[-1]
print(etree.tostring(ele1))
#b'<p>And finally an embedded XHTML fragment.</p>\n  '

语法2：

html.xpath(“xpath表达式[1]”)[0] #获取第一个元素
html.xpath(“xpath表达式[last()]”)[0] #获取最后一个元素

html.xpath(“xpath表达式[last()-1]”)[0] #获取倒数第二个元素

 注：与python列表索引的概念不同，xpath 的标签索引是从1开始；python列表的索引是从0开始。

⑤ xpath模糊匹配

有时会遇到属性值过长的情况，此时我们可以通过模糊匹配来处理，只需要属性值的部分内容即可。

html.xpath(“.//标签名[start-with(@属性, ‘属性值开头’)]”) #匹配开头
html.xpath(“.//标签名[ends-with(@属性, ‘属性值结尾’)]”) #匹配结尾

html.xpath(“.//标签名[contains(text(), ‘部分文本’)]”) #包含部分文本

 注：ends-with方法是 xpath 2.0 的语法，而 etree 只支持 xpth 1.0，所以可能不会成功。

ele1 = html.xpath(".//p[starts-with(@class,'par')]")[0] #匹配开头
print(etree.tostring(ele1))
#b'<p class="para">This is another paragraph, with a\n      <a href="http://www.python.org" rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow" >link</a>.</p>\n    '
 
ele2 = html.xpath(".//p[ends-with(@class, 'ara')]")[0] #匹配结尾
print(etree.tostring(ele2))
 
ele3 = html.xpath(".//p[contains(text(),'is a paragraph with')]")[0] #包含“is a paragraph with”
print(etree.tostring(ele3))
#b'<p>This is a paragraph with <b>bold</b> text in it!</p>\n    '

总结

到此这篇关于python中lxml库之etree使用步骤的文章就介绍到这了,更多相关python lxml库etree使用内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:

openCV实现图像融合的示例代码
图像融合是两幅图片叠加在一起，本文主要介绍了openCV实现图像融合的示例代码，文中通过示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
2022-03-03
详解python中的lambda与sorted函数
这篇文章主要介绍了python中的lambda与sorted函数的相关资料，帮助大家更好的理解和学习python，感兴趣的朋友可以了解下
2020-09-09
教你如何使Python爬取酷我在线音乐
这篇文章主要介绍了如何利用 Python 实现酷我在线音乐的爬取，文中的示例代码讲解详细，感兴趣的小伙伴可以跟随小编一起了解一下
2022-04-04
7个实用的Python自动化代码别再重复造轮子了
关于Python有一句名言：不要重复造轮子,给大家分享经过Python3.6.4调试通过的代码,感兴趣的朋友跟随小编一起看看吧
2023-11-11
Pytest使用logging模块写日志的实例详解
logging是python语言中的一个日志模块，专门用来写日志的，日志级别通常分为debug、info、warning、error、critical几个级别，一般情况下，默认的日志级别为warning，在调试或者测试阶段，下面就快速体验一下logging模块写日志的用法，感兴趣的朋友跟随小编一起看看吧
2022-12-12
Python解析器Cpython的GIL解释器锁工作机制
这篇文章主要为大家介绍了Cpython的GIL解释器锁工作机制掌握示例详解，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪
2022-07-07
如何使用ChatGPT搭建AI网站
ChatGPT是一种基于人工智能技术的聊天机器人，可以用于搭建AI网站。本文将介绍如何使用ChatGPT搭建AI网站，包括安装ChatGPT、创建聊天机器人、添加自定义功能等。
2023-03-03
Python cookbook（数据结构与算法）从任意长度的可迭代对象中分解元素操作示例
这篇文章主要介绍了Python 数据结构与算法从任意长度的可迭代象中分解元素操作,结合实例形式分析了Python使用*表达式针对可迭代对象的分解操作相关实现技巧,需要的朋友可以参考下
2018-02-02
Python+OpenCV实现图像基本操作的示例详解
这篇文章主要为大家详细介绍了Python通过OpenCV实现图像的一些基本处理操作的方法，文中的示例代码简洁易懂，具有一定的参考价值，感兴趣的可以学习一下
2023-04-04
在Python中操作字典之update()方法的使用
这篇文章主要介绍了在Python中操作字典之update()方法的使用,是Python入门学习中的基础知识,需要的朋友可以参考下
2015-05-05