python中bs4解析和xpath解析的示例分析
这篇文章给大家分享的是有关python中bs4解析和xpath解析的示例分析的内容。小编觉得挺实用的，因此分享给大家做个参考，一起跟随小编过来看看吧。
bs4解析
原理:
实例化一个BeautifulSoup对象，并且将页面源码数据加载到该对象中
通过调用BeautifulSoup对象中相关的属性或者方法进行标签定位和数据提取
如何实例化BeautifulSoup对象:
from bs4 import BeautifulSoup
BeautifulSoup(参数一,参数二)
参数一为文件描述符，参数二为解析器，一般为’lxml’
一对象的实例化:
将本地的html文档中的数据加载到该对象中
fp = open( './test.html','r',encoding='utf-8')soup=BeautifulSoup(fp,'lxml')将互联网上获取的页面源码加载到该对象中
page_text =response.textsoup=BeatifulSoup(page_text,'lxml')soup指初始化的BeautifulSoup对象
用于数据解析的方法和属性:
soup.tagName:返回的是文档中第一次出现的tagName对应的标签
soup.find():
(1).find( ‘tagName’):等同于soup.tagName
(2).属性定位:soup.find(‘div’,class_/id/或者其他属性=‘song’)
定位到< div class=“song”>/< div id=“song”>的标签下
class如果没有加_则代表关键字
soup.find_all(‘tagName’):返回符合要求的所有标签(列表)
soup对象:<div class="tang"> <ul> <li><a href="http://www.baidu.com" rel="external nofollow" title= "ging">清明时节雨纷纷,路上行人欲断魂,借问酒家何处有,牧童遥指杏花村</a></1i> <li><a href="http://www.163.com" rel="external nofollow" title="qin">秦时明月汉时关，万里长征人未还,但使龙城飞将在，不教胡马度阴山</a></1i> <li><a href=" http://ww.126.com" rel="external nofollow" alt="qi ">歧王宅里寻常见，崔九堂前几度闻，正是江南好风景,落花时节又逢君</a></li> <li><a href="http: //www.sina.com" rel="external nofollow" class="du">杜甫</a></li> <li><a href="http://www.dudu.com" rel="external nofollow" class="du">杜牧</a></li> <li><b>杜小月</b></li> <li><i>度蜜月</i></li> <li><a href="http://ww.hana.com”id=" rel="external nofollow" feng">凤凰台上凤凰游，凤去台空江自流，吴宫花草埋幽径，晋代衣冠成古丘</a></li> </ul></div>select:
- select(‘某种选择器(id,class，标签…选择器)’),返回的是一个列表。
标签什么都不加，class前面加. id前面加#
层级选择器:
>表示的是一个层级；空格表示的多个层级
soup.select( '.tang > ul > li > a') soup.select( '.tang >ul a') 结果为：[<a href="http://www.baidu.com" title= "ging">清明时节雨纷纷,路上行人欲断魂,借问酒家何处有,牧童遥指杏花村</a>, <a href="http://www.163.com" title="qin">秦时明月汉时关，万里长征人未还,但使龙城飞将在，不教胡马度阴山</a>, <a href=" http://ww.126.com"alt="qi ">歧王宅里寻常见，崔九堂前几度闻，正是江南好风景,落花时节又逢君</a>, <a href="http: //www.sina.com" class="du">杜甫</a>, <a href="http://www.dudu.com" class="du">杜牧</a>, <a href="http://ww.hana.com”id="feng">凤凰台上凤凰游，凤去台空江自流，吴宫花草埋幽径，晋代衣冠成古丘</a>]获取标签之间的文本数据:
-soup.a.text/string/get_text()
-text/get_text():可以获取某一个标签中所有的文本内容
-string:只可以获取该标签下面直系的文本内容
获取标签中属性值:
soup.a[‘属性值’]
print(soup.select( '.tang > ul > li > a') [0]['href'])结果：www.baidu.comxpath解析
最常用且最便捷高效的一种解析方式。通用性。
xpath解析原理:
实例化一个etree的对象，且需要将被解析的页面源码数据加载到该对象中。
2调用etree对象中的xpath方法结合着xpath表达式实现标签的定位和内容的捕获。
实例化一个etree对象:
from lxml import etree
-1.将本地的html文档中的源码数据加载到etree对象中:
etree.parse(filePath)
-2.可以将从互联网上获取的源码数据加载到该对象中
etree.HTML( 'page_text')
xpath( ‘xpath表达式’)
xpath表达式:(返回一个列表)
-/:表示的是从根节点开始定位。表示的是一个层级。
-//:表示的是多个层级。可以表示从任意位置开始定位。
-属性定位://div[@class=‘song’] tag[@attrname=‘attrvalue’]
-索引定位：//div[@class=‘song’]/p[3]
索引从1开始的
取文本:
/text(）获取的是标签中直系的文本内容
//text(标签中非直系的文本内容(所有的文本内容)
取属性:
/@attrName
eg:/img/@class="lazy" data-src
./表示定位到当前位置（局部解析）
多个xpath之间用|分割:
tree.xpath(’//div[@class=‘song’]/p[3] | //div[@class=‘song’]’)
感谢各位的阅读！关于“python中bs4解析和xpath解析的示例分析”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，让大家可以学到更多知识，如果觉得文章不错，可以把它分享出去让更多的人看到吧！
免责声明：
① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的，并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据，供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。
② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341
