使用lxml提取HTML/XML 数据
使用lxml提取HTML/XML 数据
Spaceack
发布于 2020-11-04 14:18:52
发布于 2020-11-04 14:18:52
代码可运行
运行总次数：0
代码可运行
demo
#更新： 新版本引入etree模块方式
from lxml import html
etree = html.etree
tree = etree.HTML("")html = '''
<html lang="en">
<head>
<meta charset="UTF-8">
<title class="sub_title">Title</title>
</head>
<body>
<div class="none">
<a href ="#">Spaceack's code</a>
</div>
<div class="link">
<a href ="http://spaceack.com">Spaceack's blog</a>
</div>
</body>
</html>
'''
from lxml import etree
tree = etree.HTML(html)
# 获取class为link的a标签的元素内容
a_content = tree.xpath('.//div[@class="link"]/a/text()')
print(a_content)
# ["Spaceack's blog"]
# 使用attrib获取标签的属性值
href_element = tree.xpath('.//div[@class="link"]/a')
print(href_element)
# [<Element a at 0x7ff3571a4d80>]
href = href_element[0].attrib.get('href')
print(href)
# http://spaceack.com获取标签元素内容为空的两种不同效果:
demo 如果想让价格使用或空字符串来占位，可以这样做:
key = tree.xpath("//th")
value = tree.xpath("//td")
key = [item.text for item in key]
value = [item.text for item in value]
print(key, value)
'''
['水果', '价格'] ['苹果', None]
'''
key = ["" if item.text==None else item.text for item in key]
value = ["" if item.text==None else item.text for item in value]
print(key, value)
'''
key ['水果'， '价格']
['水果', '价格'] ['苹果', '']
'''本文参与 腾讯云自媒体同步曝光计划，分享自作者个人站点/博客。
原始发表：2017-06-19，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读
目录
腾讯云开发者
