zoukankan      html  css  js  c++  java
  • Xpath语法

    使用//获取整个页面中的元素,然后写标签名,然后用谓词进行提取。如:
    //div[@class='abc']

    注意:
    1./和//的区别: /只获取子节点 , //获取子孙节点
    一般//用的较多 视情况而定

    2.contains:有时某个属性包含了多个值,那么可以使用contains函数如:
    //div[contains(@class,'job_detail')]

    3.谓词中的下标是从1开始的 不是从0开始的

    4.使用lxml解析HTML代码:
    解析html字符串:使用lxml.etree.HTML进行解析,如:
    htmlElement = etree.HTML(text)
    print(etree.tostring(htmlElement,encoding='utf-8').decode('utf-8'))

    解析HTML文件: 使用lxml.etree.parse进行解析
    htmlElement = etree.parse("Tencent.html")
    print(etree.tostring(htmlElement,encoding='utf-8').decode('utf-8))

    这个函数默认的是xml解析器,如果碰到不规范的HTML代码就会解析错误
    这时需要自己创建HTML解析器,如:
    parser = etree.parserHTML(encoding='utf-8')
    htmlElement = etree.parse("Lagou.html")
    print(etree.tostring(htmlElement,encoding='utf-8').decode('utf-8))

  • 相关阅读:
    中美土味摄影联合展览4.0
    计算机系统漫游
    Python连接Redis连接配置
    对kotlin和java中的synchronized的浅谈
    不务正业
    功能性测试分类
    Golang os/exec 实现
    面试研究所
    operator和if结构
    Mechanism for self refresh during C0
  • 原文地址:https://www.cnblogs.com/zhouchao123/p/9627068.html
Copyright © 2011-2022 走看看