title: lxml库的基本使用
date: 2021-11-01 18:46:03
tags:python

本贴用于记录自己的一些学习轨迹。（我只是计算机系学生(小白)）
这个是我看了其他人的文章，加上自己的一些补充和理解之后写的，但是时间太久了，原文连接找不到了，找到了和麻烦我说一下，我加上去，谢谢。

python lxml库的基本使用

1. lxml库的安装

  1. 使用win+r 输入cmd打开控制台

  2. 安装：

  • 使用conda安装，
conda install lxml
  • 使用pip
pip install lxml

2.lxml库的基本使用

lxml库的导入

import lxml
from lxml import etree

1.Element类

Element类为XML处理的核心，Element对象可以直观的理解为XML的节点，基础的处理方式都是围绕着Element类来进行的，Element类的基本操作方式主要有三种：

  1. 节点的操作

  2. 节点属性的操作

  3. 节点文本的操作

1.节点的操作
  • 节点的创建
root = etree.Element('root')
print(root)
# tostring为查看节点的内容
print(etree.tostring(root))

输出：

<Element root at 0x2aafbc6fe88>
b'<root/>'
  • 节点属性查看
# 使用tag方法来查看节点的具体属性
print(root.tag)

输出：

root
  • 节点内容的输出
print(etree.tostring(root))

输出：

b'<root/>'
  • 子节点的添加
root_child1 = etree.SubElement(root,'sub1')
root_child2 = etree.SubElement(root,'sub2')
root_child3 = etree.SubElement(root,'sub3')
print(etree.tostring(root))

输出：

<root><sub1/><sub2/><sub3/></root>
  • 子节点的删除

注：remove方法只会清除该节点的子节点，不会清除节点本身，且当子节点重名时，会选择一起进行清楚，clear方法则会一次性清除所有子节点

root.remove(root_child1)
print(etree.tostring(root))
root.clear()
print(etree.tostring(root))

输出：

b'<root><sub2/><sub3/></root>'
b'<root/>'
  • 节点的简便操作：
    可以使用列表方式来操作子节点(按照节点的先后来进行标号)
root = etree.Element('root')
root_child1 = etree.SubElement(root,'sub1')
root_child2 = etree.subElement(root,'sub2')
root_child3 = etree.SubElement(root,'sub3')
print(etree.tostring(root))
for child in root:
    print(child.tag)
print(root[0].tag)
print(root.index(root_child2))
print(root.pop(0))
print(len(root))
root.insert(0,etree.Element('insert_Element'))
print(root[:])
root.append(etree.Element('append_Element'))
print(etree.tostring(root))

输出：

b'<root><sub1/><sub2/><sub3/></root>'
sub1
sub2
sub3
sub1
1
sub1
2
b'<root><insert_Element/><sub2/><sub3/></root>'
b'<root><insert_Element/><sub2/><sub3/><append_Element/></root>'
  • 获取节点的父节点
print(root[1].getparent().tag)

输出：

root
2节点的属性操作
  • 创建属性
# 在创建节点的同时使用interesting创建节点的属性
root = etree.Elenment('root',classic= 'person')
print(etree.tostring(root))
print(root)

输出：

b'<root classic="person"/>'
<Element root at 0x2aafbccb708>
  • 使用set方法来给Element对象设置属性，第一个参数为属性名，第二个为属性
root.set('color','white')
print(etree.tostring(root))

输出：

b'<root classic="person" color = "white"/>'
  • 获取属性
    在Element实例对象中，属性以键值对形式组成，可以用字典的方式来操作
print(root.get('classic',None))
print(root.values())
print(root.keys())
print(root.items())

输出：

person
["person","white"]
["classic","color"]
[("classic","person"),("color","white")]
  • 使用attrib属性
    可以使用attrib属性一次性取出所有的属性来操作，返回一个字典，注：修改字典中的内容节点的属性也会随之修改
attribute = root.attrib
print(attribute)

attribute["test"] = "one"
print(etree.tostring(root))

输出：

{"classic":"person","color":"white"}
{"classic":"person","color":"white","test":"one"}
3.节点的文本操作
  • 使用text或者tail获取节点中的文本内容
root = etree.Element('root',classic = "person")
root.text = "i am a boy"
print(etree.tostring(root))
# 在XML中标签一般成对出现
print(root.text)

输出：

b'<root classic="person">i am a boy</root>'
i am a boy
  • tail方法为在标签的后面添加文本,且在tostring方法中可以添加method参数来过滤标签，生成文本
root.tail = "i am the tail"
print(etree.tostring(root))
print(etree.tostring(root),method = 'text')

输出：

b'<root classic="person">i am a boy</root>i am the tail'
i am a boyi am the tal
4.xpath(最后给出xpath基础语法和完整教程链接)

在Element类中可以使用xpath来获取参数及其内容

# 过滤标签，返回文本
print(root.xpath("string()"))
# 以标签作为分隔，返回一个列表,文本会带有标签的所有属性信息
print(root.xpath("//text()"))
text = root.xpath("//text()")
print(text[0],text[0].tag)
print(text[0].is_text)
print(text[0].is_tail)

输出：

i am a boyi am the tail
['i am a boy','i am the tail']
root
True
False

2.文本的解析和输出

文本的解析

文本的解析主要分为3中：

  1. fromstring
  2. XML方法
  3. HTML方法，此方法会自动补全标签
  • fromstring方法
data = '<root>data<root>'
root = etree.fromstring(data)
print(root.tag)
print(etree.tostring(root))

输出：

root
b'<root>data</root>'
  • XML方法
root = etree.XML(data)
print(etree.tostring(root))

输出：

b'<root>data</root>'
  • HTML方法
root = etree.HTML(data)
print(etree.tostring(root))

输出：

b'<html><body><root>data</root></body></html>'
文本的输出
  • 主要为tostring函数
root = etree.XML('<root><a>info</a></root>')
print(etree.tostring(root))
print(etree.tostring(root),xml_declaratin=True)
print(etree.tostring(root),endcoding='utf-8')

输出：

b'<root><a>info</a></root>'
b"<?xml version='1.0' encoding='ASCII'?>\n<root><a>info</a></root>"
b'<root><a>info</a></root>'

3.ElementTree对象(最常用的)

ElementTree对象可以理解为由Element对象组成的一颗树，而ElementPath则用于定位每个Element节点的位置

import xml.etree.ElementTree as ET

path = "test.xml"
# 使用ET.parse方法来读取xml文件，并生成一个ET对象
tree = ET.parse(path)
# getroot获取ElementTree的根结点
root = tree.getroot()
# findall，find方法查找节点，不完全支持xpath语法em。。自行体会
# 若想完全支持，则使用lxml下的etree即可
find_node = root.findall('.//c')# 查找根节点下的所有c节点

注意：lxml.etree中的Element类和xml.etree.ElementTree.Element不一样

不要通用。

XPATH

具体教程地址

表达式描述
nodename选取此节点的所有子节点。
/从根节点选取。
//从匹配选择的当前节点选择文档中的节点，而不考虑它们的位置。
.选取当前节点。
…选取当前节点的父节点。
@选取属性。
路径表达式结果
bookstore选取 bookstore 元素的所有子节点。
/bookstore选取根元素 bookstore。注释：假如路径起始于正斜杠( / )，则此路径始终代表到某元素的绝对路径！
bookstore/book选取属于 bookstore 的子元素的所有 book 元素。
//book选取所有 book 子元素，而不管它们在文档中的位置。
bookstore//book选择属于 bookstore 元素的后代的所有 book 元素，而不管它们位于 bookstore 之下的什么位置。
//@lang选取名为 lang 的所有属性。
/bookstore/book[1]选取属于 bookstore 子元素的第一个 book 元素。
/bookstore/book[last()]选取属于 bookstore 子元素的最后一个 book 元素。
/bookstore/book[last()-1]选取属于 bookstore 子元素的倒数第二个 book 元素。
/bookstore/book[position()❤️]选取最前面的两个属于 bookstore 元素的子元素的 book 元素。
//title[@lang]选取所有拥有名为 lang 的属性的 title 元素。
//title[@lang=‘eng’]选取所有 title 元素，且这些元素拥有值为 eng 的 lang 属性。
/bookstore/book[price>35.00]选取 bookstore 元素的所有 book 元素，且其中的 price 元素的值须大于 35.00。
/bookstore/book[price>35.00]/title选取 bookstore 元素中的 book 元素的所有 title 元素，且其中的 price 元素的值须大于 35.00。
通配符描述
*匹配任何元素节点。
@*匹配任何属性节点。
node()匹配任何类型的节点。
//book/title | //book/price选取 book 元素的所有 title 和 price 元素。
//title | //price选取文档中的所有 title 和 price 元素。
/bookstore/book/title | //price选取属于 bookstore 元素的 book 元素的所有 title 元素，以及文档中所有的 price 元素。
# python
Logo
CSDN学习社区

CSDN联合极客时间，共同打造面向开发者的精品内容学习社区，助力成长！

更多推荐

嵌入式作业（七）：基于Ardunio的STM32串口通信

嵌入式作业（七）0作业要求1Ardunio 完成STM32的串口通信（1）安装Ardunio IDE（2）stm32串口通信2关于 stduino IDE0作业要求安装 Ardunio IDE 和相关软件支持库，在Ardunio 完成STM32板子的串口通信程序：（1）持续向串口输出“Hello world！”；（2）当接收到“stop!”时，停止输出。网上有一个国人版的MCU集成开发平台， st

avatar CSDN学习社区

JDBC详解

JDBC文章目录JDBC什么是JDBC?JDBC驱动程序:Java使用JDBC访问数据库的步骤:设置classpath:Oracle连接字符串的书写格式:简单的例子:常用数据库的驱动程序及JDBC URL:Oracle数据库:SQL Server数据库MySQL数据库Access数据库PreparedStatement接口:JNDI-数据源（Data Source）与连接池（Connection

avatar CSDN学习社区

“模式识别与机器学习”学习笔记no2.再谈感知机

接**上篇：上篇主要进行了PLA，Pocket算法的理论过程分析和在给定数据集上利用pocket算法对数据集进行分类学习，得到错分数量最少的分类面。上篇中pocket算法的过程已经进行了编程和测试，框架已经建立了起来，这一篇主要上篇中没有提到或涉及不深的几个问题。1.数据集的构造。上篇是直接使用了题目给的向量，这次来根据正态分布来产生数据集。np.random.normal函数可以根据均值和方差生

avatar CSDN学习社区