XPath在XML和HTML解析中的应用详解

需积分: 0 178 浏览量更新于2024-07-16 收藏 54KB DOCX 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

"XPath应用的学习总结，包括XML和XPath的基本概念，以及它们在Python中的应用，特别是使用lxml库进行XML处理。文档提供了XPath表达式的实例，如路径表达式、标准函数、运算符和HTML元素的解析。" 在信息技术领域，XML（可扩展标记语言）是一种用于存储和传输数据的标准化格式。它采用树形结构，类似于HTML，但设计目的是为了数据交换，不受平台、网络或编程语言限制。XML被广泛用于系统间的数据交互，因为它提供了一种独立于具体实现的数据表示方式。 XPath，全称为XML路径语言，是用于在XML文档中查找信息的语言。通过XPath，我们可以定位XML文档中的元素、属性和其他结构。XPath表达式可以包含路径表达式、标准函数、运算符以及对HTML元素的选择。例如： 1) `//` 双斜杠用于选取文档中的所有匹配节点，不论它们在何处。 2) `/` 单斜杠则用于导航到子节点或访问当前节点的内容。 3) `/text()` 获取一个节点的文本内容。 4) `/@xxxx` 用于提取指定属性的值，如`//div/@id`会选取所有`div`元素的`id`属性。 5) `|` 可选符允许选取多个路径，如`//p|//div`选取所有`p`和`div`元素。 6) `.` 单个点代表当前节点。 7) `..` 双点符号代表当前节点的父节点。在Python中，处理XML通常使用lxml库，首先需要通过`pip install lxml`来安装。导入lxml库后，可以使用`from lxml import etree`来访问其功能。例如，以下代码片段演示了如何使用XPath从HTML字符串中选取特定元素： ```python from lxml import etree html = """ <!DOCTYPE html> <html> <head lang="en"> <title>测试</title> <meta http-equiv="Content-Type" content="text/html; charset=UTF-8"> <body> <div id="container"> <p>这是段落1</p> <div id="box"> <p>这是段落2</p> </div> </div> </body> </html> """ root = etree.fromstring(html) # 使用XPath选取所有div节点的id属性 div_ids = root.xpath('//div/@id') print(div_ids) # 输出：['container', 'box'] # 选取所有的p标签 paragraphs = root.xpath('//p') for p in paragraphs: print(p.text) # 输出：这是段落1\n这是段落2 ``` XPath还提供了其他高级功能，如`starts-with(@属性名称, 属性字符相同部分)`用于检查属性值是否以特定字符串开头，以及`string(.)`用于获取节点的字符串值。这些在处理复杂XML文档时非常有用。总结来说，XPath是XML文档分析和操作的强大工具，结合Python的lxml库，能够高效地处理和提取XML数据。在自动化测试、网页抓取和数据处理等场景中，XPath的应用十分广泛。通过深入理解和熟练掌握XPath，开发者可以更便捷地处理结构化数据。

资源详情

资源推荐

<divid="url">

<ahref="http://www.three.com"title="three">three</a>

</div>

</body>

</html>

"""

selector=etree.HTML(html)

content=selector.xpath('//@href') #4 个结果

print("ok!!!!!!")

print("contenttype:",type(content))

print(content)

foriincontent:

print(i)

2.4. 选取元素内容 text() string()

//p/text()

获取指定元素的文本内容，字符串列表，

元素的文本内容，不是元素内容，

文本内容：不包括嵌套子节点的元素的文本内容

fromlxmlimportetree

html="""

<?xmlversion="1.0"encoding="UTF-8"?>

<divid="url">

divdecontent

<ahref="http://www.three.com"title="three">text</a>

<p>nihaop</p>

</div>

"""

selector=etree.HTML(html)

#获取元素的内容，但是不包括内嵌其他元素

content=selector.xpath('//div/text()')

#['\ndivdecontent\n', '\n', '\n']

print("ok!!!!!!")

print("contenttype:",type(content))

print(content)

剩余28页未读，继续阅读

越昊

粉丝: 2
资源: 2

XPath在XML和HTML解析中的应用详解

测试XPath注入.docx

(完整版)python+xpath笔记.docx

用python编写一个小程序，实现需求： 1、只输出模板.docx的文本框里的内容

如果路径为XX的表格中的E7不为空，则打开公司登记申请书（附提示）.docx，股东会决议（附提示）.docx，并合并两个文档生成一个新文档

module 'lxml.etree' has no attribute 'xpath'. Did you mean: 'XPath'?

AttributeError: module 'lxml.etree' has no attribute 'xpath'. Did you mean: 'XPath'?

# 获取文字标题 item["text_title"] = li.xpath("./a/text()")[0] if li.xpath("./a/text()") __(4)__ None # 获取发布日期 item["text_date"] = li.xpath("./span/text()")[0] if li.xpath("./span/text()") __(4)__ None

xpath关于./ .// //../

AttributeError: 'lxml.etree._ElementUnicodeResult' object has no attribute 'xpath'.

xpath[0:xpath.rfind('/')]的作用是什么

xpath.crx下载

java: 程序包com.sun.org.apache.xpath.internal.operations不存在

xpath.compile

selenium定位上级元素

python docx 插入图片

xpath-helper.zip

用xpath写相对路径

python批量删除word页眉页脚页码

基于spring boot 的流浪动物管理系统毕业论文.docx

最新资源

# 获取文字标题 item["text_title"] = li.xpath("./a/text()")[0] if li.xpath("./a/text()") (4) None # 获取发布日期 item["text_date"] = li.xpath("./span/text()")[0] if li.xpath("./span/text()") (4) None