Python lxml解析HTML并用xpath获取元素的方法
本文介绍如何使用Python的lxml库解析HTML字符串,并通过XPath语法提取元素属性、文本内容及特定节点。通过示例演示了从字符串解析HTML、遍历元素列表、提取文本以及定位特定属性节点的具体实现步骤。
代码
使用方法见注释
#-*- coding: UTF-8 -*-
from lxml import etree
source = u'''
<div><p class="p1" data-a="1">测试数据1</p>
<p class="p1" data-a="2">测试数据2</p>
<p class="p1" data-a="3" style="height:100px;">
<strong class="s">测试数据3</strong></p>
<p class="p1" data-a="4" width="200"><img src="1.jpg" class="img"/><br/>
图片</p>
'''
# 从字符串解析
page = etree.HTML(source)
# 元素列表
ps = page.xpath("//p")
for p in ps:
print u"属性:%s" % p.attrib
print u"文本:%s" % p.text
# 文本列表
ts = page.xpath("//p/text()")
for t in ts:
print t
# xpath定位
ls = page.xpath('//p[@class="p1"][last()]/img')
for l in ls:
print l.attrib
以上这篇Python lxml解析HTML并用xpath获取元素的方法就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持本站。
本站声明
本文内容仅供参考,不代表本站观点。转载或引用请注明出处。如发现内容问题,请通过联系我们页面反馈。













