python解析頁面元素（python獲取頁面元素）

本文目錄一覽：

• 1、用Python爬取網頁並用xpath解析，得到一個內容相同的集合，為什麼
• 2、「python爬蟲保姆級教學」urllib的使用以及頁面解析
• 3、python3怎麼抓取
• 4、怎樣用Python的BeautifulSoup修改頁面里的元素？
• 5、如何利用Python自動完成對網頁平台上可點擊的元素操作，用什麼模塊，具體函數有哪些，請大神指教
• 6、Python解析庫lxml與xpath用法總結

用Python爬取網頁並用xpath解析，得到一個內容相同的集合，為什麼

問題出在你每次得到的都是同一個list 每次取list[0] 當然永遠是重複的第一個元素。

問題出在這個//*[@id=”newsRegion”]/ul/li 取得的所有的li不是一個個別的li。返回的list 雖然有幾十個元素，但每一個用後面的xpath匹配都是可以得到相同的結果

「python爬蟲保姆級教學」urllib的使用以及頁面解析

使用urllib來獲取百度首頁的源碼

get請求參數，如果是中文，需要對中文進行編碼，如下面這樣，如果不編碼會報錯。

urlencode應用場景：多個參數的時候。如下

為什麼要學習handler？

為什麼需要代理？因為有的網站是禁止爬蟲的，如果用真實的ip去爬蟲，容易被封掉。

2.解析技術

1.安裝lxml庫

2.導入lxml.etree

3.etree.parse() 解析本地文件

4.etree.HTML() 伺服器響應文件

5.解析獲取DOM元素

1.路徑查詢

2.謂詞查詢

3.屬性查詢

4.模糊查詢

5.內容查詢

6.邏輯運算

示例：

JsonPath只能解析本地文件。

pip安裝：

jsonpath的使用：

示例：

解析上面的json數據

缺點：效率沒有lxml的效率高

優點：介面設計人性化，使用方便

pip install bs4 -i

from bs4 import BeautifulSoup

1.根據標籤名查找節點

soup.a.attrs

2.函數

find(『a』)：只找到第一個a標籤

find(『a』, title=『名字』)

find(『a』, class_=『名字』)

find_all(『a』) ：查找到所有的a

find_all([『a』, 『span』]) 返回所有的a和span

find_all(『a』, limit=2) 只找前兩個a

obj.string

obj.get_text()【推薦】

tag.name：獲取標籤名

tag.attrs：將屬性值作為一個字典返回

obj.attrs.get(『title』)【常用】

obj.get(『title』)

obj[『title』]

示例：

使用BeautifulSoup解析上面的html

python3怎麼抓取

頁面解析有多種方法。

1. 使用beautifulsoup框架。

from bs4 import BeautifulSoup

bs = BeautifulSoup(‘網頁源碼’, “html.parser”)

bs.table # 可以直接獲取table元素

bs.find(‘table’,attrs = {‘class’:’mytable’}) # 查找class屬性值為mytable的table元素

# 具體方法可以參見官方文檔 

2. 使用正則表達式

怎樣用Python的BeautifulSoup修改頁面里的元素？

BeautifulSoup是不能夠直接修改tag的值的，但是可以修改tag中的屬性的值：

例如，把rows從142改為153，把cols改為33等等；

如果只是輸出顯示的話，可以使用Python的replace：

mystring=’textarea name=”text” rows=”142″ cols=”23″ wrap=”physic”sdasd/textarea’

soup=BeautifulSoup(mystring)

print str(soup.textarea).replace(‘sdasd’,’new’)

如何利用Python自動完成對網頁平台上可點擊的元素操作，用什麼模塊，具體函數有哪些，請大神指教

用selenium就可以了，它模擬打開瀏覽器，打開網頁。

通過頁面元素的特徵，定位到要點擊的元素，click()方法就可以完成點擊

比如

self.driver.find_element_by_xpath(‘//ul[@class=”uhomeTagList-ul”]/li[2]’).click()

Python解析庫lxml與xpath用法總結

本文主要圍繞以xpath和lxml庫進行展開：

一、xpath 概念、xpath節點、xpath語法、xpath軸、xpath運算符

二、lxml的安裝、lxml的使用、lxml案例

一、xpath

1.xpath概念

XPath 是一門在 XML 文檔中查找信息的語言。XPath 使用路徑表達式在 XML 文檔中進行導航 。XPath 包含一個標準函數庫 。XPath 是 XSLT 中的主要元素 。XPath 是一個 W3C 標準 。

2.xpath節點

xpath有七種類型的節點：元素、屬性、文本、命名空間、處理指令、注釋以及文檔（根）節點。

節點關係：父、子、兄弟、先輩、後輩。

3.xpath語法

xpath語法在W3c網站上有詳細的介紹，這裡截取部分知識，供大家學習。

XPath 使用路徑表達式在 XML 文檔中選取節點。節點是通過沿著路徑或者 step 來選取的。下面列出了最有用的路徑表達式：

在下面的表格中，我們已列出了一些路徑表達式以及表達式的結果：

謂語用來查找某個特定的節點或者包含某個指定的值的節點。

謂語被嵌在方括弧中。

在下面的表格中，我們列出了帶有謂語的一些路徑表達式，以及表達式的結果：

XPath 通配符可用來選取未知的 XML 元素。

在下面的表格中，我們列出了一些路徑表達式，以及這些表達式的結果：

通過在路徑表達式中使用”|”運算符，您可以選取若干個路徑。

在下面的表格中，我們列出了一些路徑表達式，以及這些表達式的結果：

4.xpath 軸

軸可定義相對於當前節點的節點集。

5.xpath運算符

下面列出了可用在 XPath 表達式中的運算符：

好了，xpath的內容就這麼多了。接下來我們要介紹一個神器lxml，他的速度很快，曾經一直是我使用beautifulsoup時最鍾愛的解析器，沒有之一，因為他的速度的確比其他的html.parser 和html5lib快了許多。

二、lxml

1.lxml安裝

lxml 是一個xpath格式解析模塊，安裝很方便，直接pip install lxml 或者easy_install lxml即可。

2.lxml 使用

lxml提供了兩種解析網頁的方式，一種是你解析自己寫的離線網頁時，另一種 則是解析線上網頁。

導入包：

1.解析離線網頁：

2.解析在線網頁：

那麼我們怎麼獲取這些標籤和標籤對應的屬性值了，很簡單，首先獲取標籤只需你這樣做：

然後我們可以，比方說，你要獲取a標籤內的文本和它的屬性href所對應的值，有兩種方法，

1.表達式內獲取

2.表達式外獲取

這樣就完成了獲取，怎麼樣，是不是很簡單了，哈哈哈。

下面再來lxml的解析規則：

3.lxml案例

為了偷懶，我決定還是採用urllib那篇文章的代碼，哈哈哈，機智如我。