Python从0到100：xpath和lxml类库

在Python中，lxml 是一个非常强大的库，它提供了对XML和HTML的处理功能。lxml 使用了和正则表达式相似的xpath语法来查询XML/HTML文档。

XPath是一门在XML文档中查找信息的语言，它可以用来在XML文档中对元素和属性进行遍历。

以下是一些使用XPath和lxml库的例子：

安装lxml库




pip install lxml

使用lxml解析HTML




from lxml import etree
 
html = """
<html>
  <head>
    <title>Example page</title>
  </head>
  <body>
    <p>This is a <b>paragraph</b>.</p>
  </body>
</html>
"""
 
# 解析HTML
tree = etree.HTML(html)
 
# 使用XPath查询
result = tree.xpath('//title/text()')
print(result)  # ['Example page']

使用lxml解析XML




from lxml import etree
 
xml = """
<root>
  <element attribute="value">text</element>
</root>
"""
 
# 解析XML
tree = etree.XML(xml)
 
# 使用XPath查询
result = tree.xpath('//element/@attribute')
print(result)  # ['value']

使用lxml解析XML文件




from lxml import etree
 
# 解析XML文件
tree = etree.parse('example.xml')
 
# 使用XPath查询
result = tree.xpath('//element/text()')
print(result)  # 返回所有element元素的文本内容

使用lxml进行命名空间处理




from lxml import etree
 
xml = """
<root xmlns:a="http://example.com/a">
  <a:element>text</a:element>
</root>
"""
 
# 解析XML并定义命名空间
parser = etree.XMLParser(ns_clean=True)
tree = etree.parse(xml, parser)
 
# 使用XPath查询
result = tree.xpath('//a:element/text()', namespaces={'a': 'http://example.com/a'})
print(result)  # ['text']

使用lxml进行XML校验




from lxml import etree
 
schema_text = """
<xsd:schema xmlns:xsd="http://www.w3.org/2001/XMLSchema">
  <xsd:element name="root">
    <xsd:complexType>
      <xsd:sequence>
        <xsd:element name="element" type="xsd:string"/>
      </xsd:sequence>
    </xsd:complexType>
  </xsd:element>
</xsd:schema>
"""
 
schema = etree.XMLSchema(etree.XML(schema_text))
 
xml_text = """
<root>
  <element>text</element>
</root>
"""
 
doc = etree.XML(xml_text)
schema.assertValid(doc)
print("XML is valid!")

以上例子展示了如何使用lxml库进行XML和HTML的解析，以及如何使用XPath进行查询。lxml是一个非常强大的库，可以用于各种与XML/HTML相关的任务，包括解析、校验、转换等。

Python从0到100：xpath和lxml类库

评论已关闭

推荐阅读