2018-09-14XML——了解一下^_^

知己知彼，百战不殆。 -------------------------《孙子兵-谋攻篇》

XML是什么?_?

• 可扩展标记语言，类似于HTML全称（Xtensible Markup Language）
• 生来便为传输数据，而不是显示数据。
• XML具有自我描述性，标签需要我们自行定义。

那什么是XPath呢？

它是一门再XML文档中查找信息的语言，用来再XML中对节点和属性进行遍历。

常用的XPath开发环境：

• 开源的Xpath表达式编辑工具：XMLQuire（XML格式文件可用）
• Chrome插件：XPath Helper
• Firefox插件： XPath Checker

接下来，操练起来，孩儿们！！！

首先安装lxml

pip install lxml

接着导入它

from lxml import etree #这样写后面会出现红色波浪线，但是可以正常使用

我们可以下main两行代码解决

import lxml.html
etree = lxml.html.etree

常用的方法

1. etree.parse()
   读取xml文件，结果为xml对象（object）
2. etree.HTML(string_html)
   将字符串形式的html文件转化为xml对象
3. etree.tostring(htmlelemt, encoding = "utf-8").decode("utf-8")
   etree.tostring(html,encoding="utf-8", pretty_print = True).decode()
   按字符串系列化HTML文档
   (注意：这里的tostring的s是小写的，不要写出大写的)

选择器

实战——用lxml读取html文件

import lxml.html
etree = lxml.html.etree

parser = etree.HTMLParser(encoding = "utf-8")
htmlelement = etree.parse("mafengwo.html", parser = parser)
print(htmlelement)# 此时是对象类型
# 这句代码只在研究时有用，正常时没用
html_string = etree.tostring(htmlelement, encoding = "utf-8").decode("utf-8")
print(html_string)
# 读取innerText
links = htmlelement.xpath("//h3/a[@class='_j_search_link']")
for link in links:
    print(link.text)

# 读取属性的值
with open("mafengwo.html", "r+") as fp:
    content = fp.read()
    html = etree.HTML(content)
    titles = html.xpath("//div/div/span/@title")
    for title in titles:
        print(title)