标签：xpath etree soup Python text bs4 对象 标签
数据解析原理
- 标签定位
- 提取标签、标签属性中存储的数据值
bs4数据解析的原理：
- 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
环境安装：
pip install bs4
pip install lxml
如何实例化BeautifulSoup对象：
from bs4 import BeautifulSoup
1.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')
2.将互联网上获取的页面源码加载到该对象中
page_text = response.text
soup = BeatifulSoup(page_text,'lxml')
提供的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():
find(‘tagName’):等同于soup.div
-
属性定位
soup.find(‘div’,class_/id/attr=‘song’)
soup.find_all(‘tagName’):返回符合要求的所有标签（列表） -
select：
select(‘某种选择器（id，class，标签…选择器）’),返回的是一个列表。 -
层级选择器：
soup.select(’.tang > ul > li > a’)：>表示的是一个层级
oup.select(’.tang > ul a’)：空格表示的多个层级 -
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[‘href’]
xpath解析：最常用且最便捷高效的一种解析方式。
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。
- 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。
环境的安装：
pip install lxml
如何实例化一个etree对象:
from lxml import etree
- 将本地的html文档中的源码数据加载到etree对象中：
etree.parse(filePath)
- 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用法:
- /: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] 索引是从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
王里木目心
发布了14 篇原创文章 · 获赞 6 · 访问量 386
私信
关注
标签：xpath,etree,soup,Python,text,bs4,对象,标签 来源： https://blog.csdn.net/HAH_HAH/article/details/104054093
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。