亚洲激情专区-91九色丨porny丨老师-久久久久久久女国产乱让韩-国产精品午夜小视频观看

溫馨提示×

溫馨提示×

您好,登錄后才能下訂單哦!

密碼登錄×
登錄注冊×
其他方式登錄
點擊 登錄注冊 即表示同意《億速云用戶服務條款》

Python?xpath,JsonPath,bs4怎么使用

發布時間:2022-07-04 09:21:53 來源:億速云 閱讀:187 作者:iii 欄目:開發技術

本篇內容介紹了“Python xpath,JsonPath,bs4怎么使用”的有關知識,在實際案例的操作過程中,不少人都會遇到這樣的困境,接下來就讓小編帶領大家學習一下如何處理這些情況吧!希望大家仔細閱讀,能夠學有所成!

1.xpath

1.1 xpath使用

  • google提前安裝xpath插件,按ctrl + shift + x 出現小黑框

  • 安裝lxml庫 pip install lxml ‐i https://pypi.douban.com/simple

  • 導入lxml.etreefrom lxml import etree

  • etree.parse() 解析本地文件html_tree = etree.parse('XX.html')

  • etree.HTML() 服務器響應文件html_tree = etree.HTML(response.read().decode('utf‐8')

  • .html_tree.xpath(xpath路徑)

1.2 xpath基本語法

1.路徑查詢

  • 查找所有子孫節點,不考慮層級關系 

  • 找直接子節點

2.謂詞查詢

//div[@id] 
//div[@id="maincontent"]

3.屬性查詢

//@class

4.模糊查詢

//div[contains(@id, "he")] 
//div[starts‐with(@id, "he")]

5.內容查詢

//div/h2/text()

6.邏輯運算

//div[@id="head" and @class="s_down"] 
//title | //price

1.3 示例

xpath.html

<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8"/>
    <title>Title</title>
</head>
<body>
    <ul>
        <li id="l1" class="class1">北京</li>
        <li id="l2" class="class2">上海</li>
        <li id="d1">廣州</li>
        <li>深圳</li>
    </ul>
</body>
</html>
from lxml import etree

# xpath解析
# 本地文件:                                          etree.parse
# 服務器相應的數據    response.read().decode('utf-8')  etree.HTML()


tree = etree.parse('xpath.html')

# 查找url下邊的li
li_list = tree.xpath('//body/ul/li')
print(len(li_list))  # 4

# 獲取標簽中的內容
li_list = tree.xpath('//body/ul/li/text()')
print(li_list)  # ['北京', '上海', '廣州', '深圳']

# 獲取帶id屬性的li
li_list = tree.xpath('//ul/li[@id]')
print(len(li_list))  # 3

# 獲取id為l1的標簽內容
li_list = tree.xpath('//ul/li[@id="l1"]/text()')
print(li_list)  # ['北京']

# 獲取id為l1的class屬性值
c1 = tree.xpath('//ul/li[@id="l1"]/@class')
print(c1)  # ['class1']

# 獲取id中包含l的標簽
li_list = tree.xpath('//ul/li[contains(@id, "l")]/text()')
print(li_list)  # ['北京', '上海']
# 獲取id以d開頭的標簽
li_list = tree.xpath('//ul/li[starts-with(@id,"d")]/text()')
print(li_list)  # ['廣州']
# 獲取id為l2并且class為class2的標簽
li_list = tree.xpath('//ul/li[@id="l2" and @class="class2"]/text()')
print(li_list)  # ['上海']
# 獲取id為l2或id為d1的標簽
li_list = tree.xpath('//ul/li[@id="l2"]/text() | //ul/li[@id="d1"]/text()')
print(li_list)  # ['上海', '廣州']

1.4 爬取百度搜索按鈕的value

import urllib.request
from lxml import etree
url = 'http://www.baidu.com'
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/103.0.0.0 Safari/537.36'
}
request = urllib.request.Request(url=url, headers=headers)
response = urllib.request.urlopen(request)
content = response.read().decode('utf-8')
tree = etree.HTML(content)
value = tree.xpath('//input[@id="su"]/@value')
print(value)

Python?xpath,JsonPath,bs4怎么使用

1.5 爬取站長素材的圖片

# 需求 下載的前十頁的圖片
# https://sc.chinaz.com/tupian/qinglvtupian.html   1
# https://sc.chinaz.com/tupian/qinglvtupian_page.html
import urllib.request
from lxml import etree
def create_request(page):
    if (page == 1):
        url = 'https://sc.chinaz.com/tupian/qinglvtupian.html'
    else:
        url = 'https://sc.chinaz.com/tupian/qinglvtupian_' + str(page) + '.html'
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/92.0.4515.159 Safari/537.36',
    }
    request = urllib.request.Request(url=url, headers=headers)
    return request
def get_content(request):
    response = urllib.request.urlopen(request)
    content = response.read().decode('utf-8')
    return content
def down_load(content):
    #     下載圖片
    # urllib.request.urlretrieve('圖片地址','文件的名字')
    tree = etree.HTML(content)
    name_list = tree.xpath('//div[@id="container"]//a/img/@alt')
    # 一般設計圖片的網站都會進行懶加載
    src_list = tree.xpath('//div[@id="container"]//a/img/@src2')
    print(src_list)
    for i in range(len(name_list)):
        name = name_list[i]
        src = src_list[i]
        url = 'https:' + src
        urllib.request.urlretrieve(url=url, filename='./loveImg/' + name + '.jpg')
if __name__ == '__main__':
    start_page = int(input('請輸入起始頁碼'))
    end_page = int(input('請輸入結束頁碼'))

    for page in range(start_page, end_page + 1):
        # (1) 請求對象的定制
        request = create_request(page)
        # (2)獲取網頁的源碼
        content = get_content(request)
        # (3)下載
        down_load(content)

2. JsonPath

2.1 pip安裝

pip install jsonpath

2.2 jsonpath的使用

obj = json.load(open('json文件', 'r', encoding='utf‐8')) 
ret = jsonpath.jsonpath(obj, 'jsonpath語法')

JSONPath語法元素和對應XPath元素的對比:

Python?xpath,JsonPath,bs4怎么使用

示例:

jsonpath.json

{ "store": {
    "book": [
      { "category": "修真",
        "author": "六道",
        "title": "壞蛋是怎樣練成的",
        "price": 8.95
      },
      { "category": "修真",
        "author": "天蠶土豆",
        "title": "斗破蒼穹",
        "price": 12.99
      },
      { "category": "修真",
        "author": "唐家三少",
        "title": "斗羅大陸",
        "isbn": "0-553-21311-3",
        "price": 8.99
      },
      { "category": "修真",
        "author": "南派三叔",
        "title": "星辰變",
        "isbn": "0-395-19395-8",
        "price": 22.99
      }
    ],
    "bicycle": {
      "author": "老馬",
      "color": "黑色",
      "price": 19.95
    }
  }
}
import json
import jsonpath

obj = json.load(open('jsonpath.json', 'r', encoding='utf-8'))

# 書店所有書的作者
author_list = jsonpath.jsonpath(obj, '$.store.book[*].author')
print(author_list)  # ['六道', '天蠶土豆', '唐家三少', '南派三叔']

# 所有的作者
author_list = jsonpath.jsonpath(obj, '$..author')
print(author_list)  # ['六道', '天蠶土豆', '唐家三少', '南派三叔', '老馬']

# store下面的所有的元素
tag_list = jsonpath.jsonpath(obj, '$.store.*')
print(
    tag_list)  # [[{'category': '修真', 'author': '六道', 'title': '壞蛋是怎樣練成的', 'price': 8.95}, {'category': '修真', 'author': '天蠶土豆', 'title': '斗破蒼穹', 'price': 12.99}, {'category': '修真', 'author': '唐家三少', 'title': '斗羅大陸', 'isbn': '0-553-21311-3', 'price': 8.99}, {'category': '修真', 'author': '南派三叔', 'title': '星辰變', 'isbn': '0-395-19395-8', 'price': 22.99}], {'author': '老馬', 'color': '黑色', 'price': 19.95}]

# store里面所有東西的price
price_list = jsonpath.jsonpath(obj, '$.store..price')
print(price_list)  # [8.95, 12.99, 8.99, 22.99, 19.95]

# 第三個書
book = jsonpath.jsonpath(obj, '$..book[2]')
print(book)  # [{'category': '修真', 'author': '唐家三少', 'title': '斗羅大陸', 'isbn': '0-553-21311-3', 'price': 8.99}]

# 最后一本書
book = jsonpath.jsonpath(obj, '$..book[(@.length-1)]')
print(book)  # [{'category': '修真', 'author': '南派三叔', 'title': '星辰變', 'isbn': '0-395-19395-8', 'price': 22.99}]
# 	前面的兩本書
book_list = jsonpath.jsonpath(obj, '$..book[0,1]')
# book_list = jsonpath.jsonpath(obj,'$..book[:2]')
print(
    book_list)  # [{'category': '修真', 'author': '六道', 'title': '壞蛋是怎樣練成的', 'price': 8.95}, {'category': '修真', 'author': '天蠶土豆', 'title': '斗破蒼穹', 'price': 12.99}]

# 條件過濾需要在()的前面添加一個?
# 	 過濾出所有的包含isbn的書。
book_list = jsonpath.jsonpath(obj, '$..book[?(@.isbn)]')
print(
    book_list)  # [{'category': '修真', 'author': '唐家三少', 'title': '斗羅大陸', 'isbn': '0-553-21311-3', 'price': 8.99}, {'category': '修真', 'author': '南派三叔', 'title': '星辰變', 'isbn': '0-395-19395-8', 'price': 22.99}]
# 哪本書超過了10塊錢
book_list = jsonpath.jsonpath(obj, '$..book[?(@.price>10)]')
print(
    book_list)  # [{'category': '修真', 'author': '天蠶土豆', 'title': '斗破蒼穹', 'price': 12.99}, {'category': '修真', 'author': '南派三叔', 'title': '星辰變', 'isbn': '0-395-19395-8', 'price': 22.99}]

3. BeautifulSoup

3.1 基本簡介

1.安裝

 pip install bs4 

2.導入

 from bs4 import BeautifulSoup 

3.創建對象 

  •  服務器響應的文件生成對象 soup = BeautifulSoup(response.read().decode(), 'lxml') 

  • 本地文件生成對象 soup = BeautifulSoup(open('1.html'), 'lxml') 

注意:默認打開文件的編碼格式gbk所以需要指定打開編碼格式utf-8

3.2 安裝以及創建

1.根據標簽名查找節點 
	soup.a 【注】只能找到第一個a 
		soup.a.name 
		soup.a.attrs 
2.函數 
	(1).find(返回一個對象) 
		find('a'):只找到第一個a標簽
		find('a', title='名字') 
		find('a', class_='名字') 
	(2).find_all(返回一個列表) 
		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 
	(3).select(根據選擇器得到節點對象)【推薦】 
		1.element 
			eg:p 
		2..class 
			eg:.firstname 
		3.#id
			eg:#firstname 
		4.屬性選擇器 
			[attribute] 
				eg:li = soup.select('li[class]') 
			[attribute=value] 
				eg:li = soup.select('li[class="hengheng1"]') 
		5.層級選擇器 
			element element 
				div p 
			element>element 
				div>p 
			element,element 
				div,p 
					eg:soup = soup.select('a,span')

3.3 節點定位

1.根據標簽名查找節點 
	soup.a 【注】只能找到第一個a 
		soup.a.name 
		soup.a.attrs 
2.函數 
	(1).find(返回一個對象) 
		find('a'):只找到第一個a標簽
		find('a', title='名字') 
		find('a', class_='名字') 
	(2).find_all(返回一個列表) 
		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 
	(3).select(根據選擇器得到節點對象)【推薦】 
		1.element 
			eg:p 
		2..class 
			eg:.firstname 
		3.#id
			eg:#firstname 
		4.屬性選擇器 
			[attribute] 
				eg:li = soup.select('li[class]') 
			[attribute=value] 
				eg:li = soup.select('li[class="hengheng1"]') 
		5.層級選擇器 
			element element 
				div p 
			element>element 
				div>p 
			element,element 
				div,p 
					eg:soup = soup.select('a,span')

3.5 節點信息 

(1).獲取節點內容:適用于標簽中嵌套標簽的結構 
	obj.string 
	obj.get_text()【推薦】 
(2).節點的屬性 
	tag.name 獲取標簽名 
		eg:tag = find('li) 
			print(tag.name) 
	tag.attrs將屬性值作為一個字典返回 
(3).獲取節點屬性 
	obj.attrs.get('title')【常用】 
	obj.get('title') 
	obj['title']
(1).獲取節點內容:適用于標簽中嵌套標簽的結構 
	obj.string 
	obj.get_text()【推薦】 
(2).節點的屬性 
	tag.name 獲取標簽名 
		eg:tag = find('li) 
			print(tag.name) 
	tag.attrs將屬性值作為一個字典返回 
(3).獲取節點屬性 
	obj.attrs.get('title')【常用】 
	obj.get('title') 
	obj['title']

3.6 使用示例

bs4.html

<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <title>Title</title>
</head>
<body>

    <div>
        <ul>
            <li id="l1">張三</li>
            <li id="l2">李四</li>
            <li>王五</li>
            <a href="" id=" rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow" " class="a1">google</a>
            <span>嘿嘿嘿</span>
        </ul>
    </div>


    <a href="" title=" rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow" a2">百度</a>

    <div id="d1">
        <span>
            哈哈哈
        </span>
    </div>

    <p id="p1" class="p1">呵呵呵</p>
</body>
</html>
from bs4 import BeautifulSoup
# 通過解析本地文件 來將bs4的基礎語法進行講解
# 默認打開的文件的編碼格式是gbk 所以在打開文件的時候需要指定編碼
soup = BeautifulSoup(open('bs4.html', encoding='utf-8'), 'lxml')
# 根據標簽名查找節點
# 找到的是第一個符合條件的數據
print(soup.a)  # <a class="a1" href="" id=" rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow" ">google</a>
# 獲取標簽的屬性和屬性值
print(soup.a.attrs)  # {'href': '', 'id': '', 'class': ['a1']}
# bs4的一些函數
# (1)find
# 返回的是第一個符合條件的數據
print(soup.find('a'))  # <a class="a1" href="" id=" rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow" ">google</a>
# 根據title的值來找到對應的標簽對象
print(soup.find('a', title="a2"))  # <a href="" title=" rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow" a2">百度</a>

# 根據class的值來找到對應的標簽對象  注意的是class需要添加下劃線
print(soup.find('a', class_="a1"))  # <a class="a1" href="" id=" rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow" ">google</a>

# (2)find_all  返回的是一個列表 并且返回了所有的a標簽
print(soup.find_all('a'))  # [<a class="a1" href="" id=" rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow" ">google</a>, <a href="" title=" rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow" a2">百度</a>]

# 如果想獲取的是多個標簽的數據 那么需要在find_all的參數中添加的是列表的數據
print(soup.find_all(['a','span']))  # [<a class="a1" href="" id=" rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow" ">google</a>, <span>嘿嘿嘿</span>, <a href="" title=" rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow" a2">百</a><spa哈</span>]

# limit的作用是查找前幾個數據
print(soup.find_all('li', limit=2))  # [<li id="l1">張三</li>, <li id="l2">李四</li>]

# (3)select(推薦)
# select方法返回的是一個列表  并且會返回多個數據
print(soup.select('a'))  # [<a class="a1" href="" id=" rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow" ">google</a>, <a href="" title=" rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow" a2">百度</a>]

# 可以通過.代表class  我們把這種操作叫做類選擇器
print(soup.select('.a1'))  # [<a class="a1" href="" id=" rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow" ">google</a>]

print(soup.select('#l1'))  # [<li id="l1">張三</li>]

# 屬性選擇器---通過屬性來尋找對應的標簽
# 查找到li標簽中有id的標簽
print(soup.select('li[id]'))  # [<li id="l1">張三</li>, <li id="l2">李四</li>]

# 查找到li標簽中id為l2的標簽
print(soup.select('li[id="l2"]'))  # [<li id="l2">李四</li>]

# 層級選擇器
#  后代選擇器
# 找到的是div下面的li
print(soup.select('div li'))  # [<li id="l1">張三</li>, <li id="l2">李四</li>, <li>王五</li>]

# 子代選擇器
#  某標簽的第一級子標簽
# 注意:很多的計算機編程語言中 如果不加空格不會輸出內容  但是在bs4中 不會報錯 會顯示內容
print(soup.select('div > ul > li'))  # [<li id="l1">張三</li>, <li id="l2">李四</li>, <li>王五</li>]

# 找到a標簽和li標簽的所有的對象
print(soup.select(
    'a,li'))  # [<li id="l1">張三</li>, <li id="l2">李四</li>, <li>王五</li>, <a class="a1" href="" id=" rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow" ">google</a>, <a href="" title=" rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow"  rel="external nofollow" a2">百度</a>]

# 節點信息
#    獲取節點內容
obj = soup.select('#d1')[0]
# 如果標簽對象中 只有內容 那么string和get_text()都可以使用
# 如果標簽對象中 除了內容還有標簽 那么string就獲取不到數據 而get_text()是可以獲取數據
# 我們一般情況下  推薦使用get_text()
print(obj.string)  # None
print(obj.get_text())  # 哈哈哈

# 節點的屬性
obj = soup.select('#p1')[0]
# name是標簽的名字
print(obj.name)  # p
# 將屬性值左右一個字典返回
print(obj.attrs)  # {'id': 'p1', 'class': ['p1']}

# 獲取節點的屬性
obj = soup.select('#p1')[0]
#
print(obj.attrs.get('class'))  # ['p1']
print(obj.get('class'))  # ['p1']
print(obj['class'])  # ['p1']

3.7 解析星巴克產品名稱

import urllib.request
url = 'https://www.starbucks.com.cn/menu/'
response = urllib.request.urlopen(url)
content = response.read().decode('utf-8')
from bs4 import BeautifulSoup
soup = BeautifulSoup(content,'lxml')
# //ul[@class="grid padded-3 product"]//strong/text()
# 一般先用xpath方式通過google插件寫好解析的表達式
name_list = soup.select('ul[class="grid padded-3 product"] strong')
for name in name_list:
    print(name.get_text())

Python?xpath,JsonPath,bs4怎么使用

“Python xpath,JsonPath,bs4怎么使用”的內容就介紹到這里了,感謝大家的閱讀。如果想了解更多行業相關的知識可以關注億速云網站,小編將為大家輸出更多高質量的實用文章!

向AI問一下細節

免責聲明:本站發布的內容(圖片、視頻和文字)以原創、轉載和分享為主,文章觀點不代表本網站立場,如果涉及侵權請聯系站長郵箱:is@yisu.com進行舉報,并提供相關證據,一經查實,將立刻刪除涉嫌侵權內容。

AI

临汾市| 沂南县| 台山市| 太白县| 鄂尔多斯市| 扶沟县| 东乌珠穆沁旗| 黄平县| 山东省| 苍南县| 武邑县| 天等县| 卢龙县| 湛江市| 玛曲县| 阿鲁科尔沁旗| 忻州市| 惠水县| 朝阳区| 汤阴县| 堆龙德庆县| 海安县| 古蔺县| 合阳县| 阜康市| 邯郸市| 健康| 车险| 山西省| 林西县| 财经| 西贡区| 珠海市| 汶上县| 永安市| 巴彦淖尔市| 盘锦市| 伊金霍洛旗| 平陆县| 楚雄市| 广昌县|