导入模块：from lxml import etree
构造对象，初始化： html = etree.HTML(html1)，或直接读取html=etree.HTML(''./html1.html etree.HTMLparser())
修正html代码 result = etree.tostring(html) 此时结果是bytes类型，用decode()方法转化str类型
result = etree.parse('')
匹配规则：
nodename 选取此节点的所有子节点 /从当前节点选取直接子节点 // 从当前节点选取子孙节点
.选取当前节点 ..选取当前节点的父节点 @选取属性
例如：ul--li--a
一般用//开头的xpath规则取，//*表示所有节点，//li获取所有li节点（结果是；列表形式），
//li/a 获取li的所有直接a节点 //ul//a 获取ul的所有子孙节点. 不能用/来查找子孙节点
// a[@href =” link4.html ”] /.. /@ class ：获取属性为x的节点a的父节点，在获取其属性y
获取父节点也可以，/parent::*
获取文本text()方法，获取li内部文本，先获取a节点//li/a/text()或者获取所有子孙节点的文本//li//text()
属性匹配:进行过滤[@href='link4.tml'] ，最终获得的是节点
属性获取：获取节点的某个属性 //li/a/@href ，最终获得的是属性
属性多值匹配：节点的某个属性有多个值 //li[contains(@class,'li')] 。
多属性匹配：节点有多个属性，用and连接，
按序选择：只想要匹配结果的某部分，用中括号传入索引方法，序号以1开头，last()结束，位置小于3 用[position()<3] ,倒数第三个用last()-2
网友评论