XPath / Python – 如何获取不同的html标签和文本

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了XPath / Python – 如何获取不同的html标签和文本，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1463字，纯文字阅读大概需要3分钟。

内容图文

我试图用这个Python sintax来抓取这个url：http://www.dlib.org/dlib/november14/beel/11beel.html的html内容：

    s="http://www.dlib.org/dlib/november14/beel/11beel.html"
    content = requests.get(s)
    tree = html.fromstring(content.text)
    titoli = tree.xpath('/html/body/form/table[3]/tr/td/table[5]/tr/td/table[1]/tr/td[2]/h3/text()')
    par = tree.xpath('/html/body/form/table[3]/tr/td/table[5]/tr/td/table[1]/tr/td[2]/p/text()')
    articoli = json.dumps({'titoli':titoli,'contenuti':par})
    print ("Content-type: json")
    print
    print (articoli)

主要的要求是找到一个XPath查询,用于返回页面最有用div内的每个标签,标签内容和文本,你可以用这个路径找到它/ html / body / form / table [3] / tr / td /表[5]或使用注释行下的Web检查器：！ – CONTENT TABLE – .
我之前发布的代码是不可能得到div的全部内容,但只有标题和文本在p div内,现在我找不到另一种方式.

解决方法:

要使用Python / XPath获取网站某个部分的实际HTML内容,从lxml import etree而不是lxml import html更容易使用.设置元素树时,有一个函数允许您返回元素的HTML内容,而不是仅返回文本内容(如您所述).您的代码如下：

from lxml import etree
import requests

s = "http://www.dlib.org/dlib/november14/beel/11beel.html"
page = requests.get(s)
tree = etree.HTML(page.text)
element = tree.xpath('./body/form/table[3]/tr/td/table[5]')
content = etree.tostring(element[0])

tree.xpath返回所选元素的列表.在这种情况下,因为您使用的是特定的XPath,所以它返回一个只包含一个元素的列表.因此,我们必须使用etree.tostring(element [0])来访问列表的第一个元素,并将该元素的HTML内容作为字符串返回.

内容总结

以上是互联网集市为您收集整理的XPath / Python – 如何获取不同的html标签和文本全部内容，希望文章能够帮你解决XPath / Python – 如何获取不同的html标签和文本所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端