xml语法笔记

XPath 使用路径表达式来选取 XML 文档中的节点或节点集。节点是通过沿着路径 (path) 或者步 (steps) 来选取的。

使用//获取整个页面中的元素，然后写标签名，然后再写词进行提取
如：

1

//div[@class="abc"]

1./和//的区别，/代表只获取直接子节点。//获取子孙节点。一般//用的比较多。当然也要视情况而定
2.contains:当某个属性包含多个值时，那么可以使用’contains’函数如：

1

//div[contains(@class,'job_detail')]

3.谓词中的下标是从1开始的

谓语用来查找某个特定的节点或者包含某个指定的值的节点。

谓语被嵌在方括号中。

在下面的表格中，我们列出了带有谓语的一些路径表达式，以及表达式的结果：

1.解析html字符串：使用’lxml.etree.HTML’进行解析。示例代码如下：

1
2
3

htmlabc =etree.HTML(text)
with open("htmlabc.html",'w',encoding='utf-8') as fp:
    fp.write(etree.tostring(htmlabcencoding='utf-8').decode('utf-8'))

2.解析html文件：用’lxml.etree.parse’进行解析。代码如下：

1
2

htmlabc =etree.parse("htmlabc.html")
    print(etree.tostring(htmlabcencoding='utf-8').decode('utf-8'))

这个函数默认使用’XML’解析器，所以如果碰到一些不规范的’HTML’代码时
就会解析错误，这时候就要自己创建’HTML’解析器

1
2
3

parser = etree.HTMLParser(encoding="utf-8")
 htmlabc = etree.parse('htmlabc.html',parser=parser)
 print(etree.tostring(htmlabc,encoding='utf-8').decode('utf-8'))