xPath
一種HTML和XML的查詢語言，他能在XML和HTML的樹狀結構中尋找節點
安裝
pip install lxml
HTML
超文本標記語言，是一種規范，一種標注，是構成網頁文檔的主要語言
URL
統一資源定位器，互聯網上的每個文件都有一個唯一的URL，它包含的信息指出文件的位置
以及瀏覽應該怎么處理它。
xPath的使用
獲取文本
//標簽1[@屬性1="屬性值1"]/標簽2[@屬性2="屬性值"]/..../text()
獲取屬性值
//標簽1[@屬性1="屬性值1"]/標簽2[@屬性2="屬性值"]/..../@屬性n
所需要的html文檔
<!DOCTYPE html> <html> <head lang="en"> <meta charset="UTF-8"> <title>注冊頁面</title> <style> table{ border: 1px solid beige; } span{ color: #66CCFF; } th{ background-color: gainsboro; } tr{ border: 1px solid beige; } td{ border: 1px solid aliceblue; } .redText{ color: red; } .redStar{ color: red; } </style> </head> <body> <p> 開始 </p> <!-- 8列--> <h3>標題,我是一個大帥哥</h3> <ul> <li>內容1</li> <li>內容2</li> <li class="important">內容3important</li> <li>內容4</li> <li>內容5</li> </ul> <p> 中間 </p> <div id = "container"> 段落文字 <a href="http://www.baidu.com" title="超鏈接">跳轉到百度首頁</a> </div> <p> 最后 </p> <form action=""> <table align="center" cellspacing="0"> <tr> <th colspan="8" align="left">1.會員登錄名和密碼</th> </tr> <tr> <td>用戶名：</td> <td colspan="2"><input type="text"/><span class="redStar">* </span></td> <td colspan="5"><input type="button" value="檢測用戶名"/><span>5-15位，請使用英文(a-z、A-Z)、數字(0-9)</span></td> </tr> <tr> <td>密 碼：</td> <td colspan="2"><input type="password"/><span class="redStar">* </span></td> <td colspan="5"><span>5-15位，請使用英文(a-z)、數字(0-9)注意區分大小寫;<br/>密碼不能與登錄名相同;易記;難猜;</span></td> </tr> <tr> <td>再次輸入密碼：</td> <td colspan="2"><input type="password"/><span class="redStar">* </span></td> <td colspan="5"><span>兩次輸入的密碼必須一致</span></td> </tr> <tr> <th colspan="8" align="left">2.姓名和聯系方式</th> </tr> <tr> <td>真實姓名：</td> <td colspan="2"><input type="text"/><span class="redStar">* </span></td> <td colspan="5"><input type="radio" checked="checked" name="Sex" value="male"/>先生<input type="radio" name="Sex" value="female"/>小姐</td> </tr> <tr> <td>電子郵箱：</td> <td colspan="2"><input type="text"/><span class="redStar">* </span></td> <td colspan="5"><span class="redText">非常重要！</span><br/><span>這是客戶與您聯系的首選方式，請一定填寫真實。</span></td> </tr> <tr> <td>固定電話：</td> <td colspan="2"><input type="text"/><span class="redStar">* </span></td> <td colspan="5"><span>區號+電話號碼</span></td> </tr> <tr> <td>公司所在地：</td> <td colspan="7"> <select> <option>北京</option> <option>上海</option> <option>成都</option> </select> <select> <option>東城 </option> <option>武侯區</option> <option>金牛區</option> </select> </td> </tr> <tr> <td>街道地址：</td> <td colspan="5"><input style="width: 350px;" type="text"/><span class="redStar">* </span></td> <td colspan="2"><span>填寫縣(區)、街道、門牌號</span></td> </tr> <tr> <td>傳真號碼：</td> <td colspan="7"><input type="text"/></td> </tr> <tr> <td>手機號碼：</td> <td colspan="7"><input type="text"/></td> </tr> <tr> <td>郵政編碼：</td> <td colspan="7"><input type="text"/></td> </tr> <tr> <th colspan="8" align="left">3.公司名稱和主營業務</th> </tr> <tr> <td>貴公司名稱：</td> <td colspan="2"><input type="text"/><span class="redStar">* </span></td> <td colspan="5"><span>請填寫在工商注冊的公司/商號全稱;<br/>無商號的個體經營者填寫執照上的姓名,如：張三(個體經營)</span></td> </tr> <tr> <td>你的職位：</td> <td colspan="2"><input type="text"/><span class="redStar">* </span></td> <td colspan="5"></td> </tr> <tr> <td>主營行業：</td> <td colspan="2"> <select> <option>電子電工</option> <option>IT科技</option> <option>小豬佩奇</option> </select> </td> <td colspan="5"><span>請正確選擇。您會收到該行業、該產品的供求信息</span></td> </tr> <tr> <td>主營產品/服務：</td> <td colspan="7"><input style="width: 250px;" type="text"/><span class="redStar">* </span><span>3個主要相關品名/服務名,最少要填一個。例如：太陽帽，布料，拉鏈</span> </td> </tr> <tr> <td>公司地址：</td> <td colspan="7"><input style="color: darkgrey;width: 250px;" type="text" value="http://"/></td> </tr> <tr> <td></td> <td colspan="7"><input style="background-color: #00FF00;color: white" type="submit" value="確認提交"/></td> </tr> </table> </form> </body> </html> --------------------- 作者：鄭清 來源：CSDN 原文：https://blog.csdn.net/qq_38225558/article/details/82700939 版權聲明：本文為博主原創文章，轉載請附上博文鏈接！
所涉及的python代碼
from lxml import html def parse(): """"將html文件中的內容,使用小path進行提取""" #讀取文件中的內容 f = open('./venv/static_/index.html','r',encoding = 'utf-8') s = f.read() selector = html.fromstring(s) #j解析標題 h3 = selector.xpath('/html/body/h3/text()') print(h3[0])#這里取到的是個list,我用使用列表獲取 f.close() #解析ul里面的內容 ul = selector.xpath('/html/body/ul/li') # ul = selector.xpath('//ul/li')也可以使用 print(len(ul)) for li in ul: print(li.xpath('text()')[0]) #解析tr里面的內容 # tr = selector.xpath('/html/body/form/table/tr/td/text()') # print(tr) #解析ul指定的元素值 ul2 = selector.xpath('/html/body/ul/li[@class="important"]/text()') print(ul2) #解析ul指定的元素屬性 a = selector.xpath('//div[@id="container"]/a/text()') print(a[0]) #href屬性 alink = selector.xpath('//div[@id="container"]/a/@href') print(alink[0]) #解析p標簽 p = selector.xpath('/html/body/p/text()') # p = selector.xpath('/html/body/p[last()]/text()') #獲取最后一個 print(len(p)) print(p[0]) #使用瀏覽的xpath生成工具 test = selector.xpath('/html/body/form/table/tr[1]/th/text()')#只能借鑒/html/body/form/table/tbody/tr[1]/th print(test[0]) if __name__== '__main__': parse()