python-XPath查找文本和树迭代

这是一个关于使用lxml.etree进行XML处理的教程。它简要概述了ElementTree API的主要概念，以及一些简单的增强功能，使您作为程序员的生活更轻松。

有关API的完整参考，请参阅生成的API文档。

内容

本文章主要介绍的是使用XPath查找文本和树迭代

使用XPath查找文本

提取树的文本内容的另一种方法是XPath，它还允许您将单独的文本块提取到列表中：

打印（HTML 。XPath的（“字符串（）” ）） 仅＃lxml.etree！
TEXTTAIL

打印（HTML 。XPath的（“//文本（）” ）） 仅＃lxml.etree！
[‘TEXT’，‘TAIL’]
如果你想更频繁地使用它，你可以将它包装在一个函数中：

build_text_list = etree 。XPath （“// text（）” ） ＃lxml.etree！
print （build_text_list （html ））
[‘TEXT’，‘TAIL’]
请注意，XPath返回的字符串结果是一个特殊的“智能”对象，它知道它的来源。您可以通过其getparent（）方法询问它的来源，就像使用Elements一样：

texts = build_text_list （html ）
print （texts [ 0 ]）
TEXT

parent = texts [ 0 ] 。的getParent （）
印刷（父。标签）
的身体

打印（文本[ 1 ]）
TAIL

打印（文本[ 1 ] 。的getParent （） 。标签）
BR
您还可以查看它是正常的文本内容还是尾部文本：

打印（文本[ 0 ] 。is_text ）
真

打印（文本[ 1 ] 。is_text ）
假

打印（文本[ 1 ] 。is_tail ）
真
虽然这适用于text（）函数的结果，但lxml不会告诉您由XPath函数string（）或concat（）构造的字符串值的来源：

stringify = etree 。XPath的（“字符串（）” ）
印刷（字符串化（HTML ））
TEXTTAIL

打印（字符串化（HTML ）。的getParent （））
无

欢迎各位加入小编的技术交流群

树迭代

对于上述问题，您希望以递归方式遍历树并对其元素执行某些操作，树迭代是一种非常方便的解决方案。元素为此提供了树迭代器。它按文档顺序生成元素，即按照将树序列化为XML时其标记的顺序：

root = etree 。元素（“根” ）
etree 。子元素（root ， “child” ）。text = “Child 1”
etree 。子元素（root ， “child” ）。text = “Child 2”
etree 。子元素（root ， “另一个” ）。text = “孩子3”
打印（etree 。的toString （根， pretty_print = 真））
<根>
<孩子>儿童1
<孩子>子2
<另一>子3

为 元件 在 根。iter （）：
… print （“ ％s - ％s ” ％ （元素。标记， 元素。文本））
root - 无
子项 - 子项1
子项 - 子项2项
另一项 - 子项3
如果您知道自己只对单个标记感兴趣，可以将其名称传递给 iter（）以让它过滤。从lxml 3.0开始，您还可以在迭代期间传递多个标记以拦截多个标记。

为 元件 在 根。ITER （“子” ）：
… 打印（“ ％S - ％S ” ％ （元素，标签， 元素。文本））
儿童-儿童1名
儿童-儿童2

为 元件 在 根。iter （“另一个” ， “孩子” ）：
… print （“ ％s - ％s ” ％ （元素。标签， 元素。文本））
孩子 - 孩子1
孩子 - 孩子2
另一个孩子- 孩子3
默认情况下，迭代会生成树中的所有节点，包括ProcessingInstructions，Comments和Entity实例。如果要确保仅返回Element对象，可以将Element工厂作为标记参数传递 ：

root 。追加（etree 。实体（“＃234” ））
root 。追加（etree 。评论（“一些评论” ））
为 元件 在 根。国际热核实验堆（）：
… 如果 isinstance （元素，标签， 即basestring ）： ＃或在Python 3 ‘STR’
… 打印（“ ％S - ％S ” ％ （元素，标签， 元素。文本））
… 。 其他：
… 打印（“SPECIAL：％S - ％S ” ％ （元素， 元素。文本））
根 - 没有
孩子 - 孩子1
孩子 - 孩子2
另一个
孩子- 孩子3 特别：＆＃234; - ＆＃234;
特别：<！ - 一些评论 - > - 一些评论

为 元件 在 根。ITER （标签= etree 。元素）：
… 打印（“ ％S - ％S ” ％ （元素。标签， 元素。文本））
根-没有
子-子1
子-子2
另一个-儿童3

为 元件 在 根。国际热核实验堆（标签= etree 。实体）：
… 打印（元素。文本）
＆＃234;
请注意，传递通配符“*”标记名称也将产生所有 Element节点（并且仅包含元素）。

在lxml.etree中，元素为树中的所有方向提供了进一步的迭代器：子节点，父节点（或者更确切地说是祖先节点）和兄弟节点。

如果大家没有找到一个好的技术交流群或者需要关于python的资料的如1.爬虫库–requests，bs4，lxml，scrapy，pyspider2.python开发—Django，Tornado，flask框架3.linux，shell脚本4.selenium自动化测试5.自动化运维Zabbix6.数据库 MySql，NoSql，redis正则表达式re，网络编程，面向对象，lambda，IO并发编程，GUI图形

可以加入小编的群418775537