1、安装lxml
注意xml.etree.ElementTree也支持部分xpath,但是非常有限,只有如下:
可以使用lxml模块,这个模块是ElementTree的升级版,但是需要安装,ElementTree是内建不用安装
pip install lxml
2、xpath语法
①、谓语
路径表达式
结果
/bookstore/book[1]
选取属于 bookstore 子元素的第一个 book 元素。
/bookstore/book[last()]
选取属于 bookstore 子元素的最后一个 book 元素。
/bookstore/book[last()-1]
选取属于 bookstore 子元素的倒数第二个 book 元素。
/bookstore/book[position()<3]
选取最前面的两个属于 bookstore 元素的子元素的 book 元素。
//title[@lang]
选取所有拥有名为 lang 的属性的 title 元素。
//title[@lang='eng']
选取所有 title 元素,且这些元素拥有值为 eng 的 lang 属性。
/bookstore/book[price>35.00]
选取 bookstore 元素的所有 book 元素,且其中的 price 元素的值须大于 35.00。
/bookstore/book[price>35.00]/title
选取 bookstore 元素中的 book 元素的所有 title 元素,且其中的 price 元素的值须大于 35.00。
②、选取未知节点
通配符
描述
*
匹配任何元素节点。
@*
匹配任何属性节点。
node()
匹配任何类型的节点。
③、选取若干路径
路径表达式
结果
//book/title | //book/price
选取 book 元素的所有 title 和 price 元素。
//title | //price
选取文档中的所有 title 和 price 元素。
/bookstore/book/title | //price
选取属于 bookstore 元素的 book 元素的所有 title 元素,以及文档中所有的 price 元素。
④、xpath轴
轴名称
结果
ancestor
选取当前节点的所有先辈(父、祖父等)。
ancestor-or-self
选取当前节点的所有先辈(父、祖父等)以及当前节点本身。
attribute
选取当前节点的所有属性。
child
选取当前节点的所有子元素。
descendant
选取当前节点的所有后代元素(子、孙等)。
descendant-or-self
选取当前节点的所有后代元素(子、孙等)以及当前节点本身。
following
选取文档中当前节点的结束标签之后的所有节点。
namespace
选取当前节点的所有命名空间节点。
parent
选取当前节点的父节点。
preceding
选取文档中当前节点的开始标签之前的所有节点。
preceding-sibling
选取当前节点之前的所有同级节点。
self
选取当前节点。
⑤、xpath运算符
运算符
描述
实例
返回值
|
计算两个节点集
//book | //cd
返回所有拥有 book 和 cd 元素的节点集
+
加法
6 + 4
10
-
减法
6 - 4
2
*
乘法
6 * 4
24
div
除法
8 div 4
2
=
等于
price=9.80
如果 price 是 9.80,则返回 true。如果 price 是 9.90,则返回 false。
!=
不等于
price!=9.80
如果 price 是 9.90,则返回 true。如果 price 是 9.80,则返回 false。
<
小于
price<9.80
如果 price 是 9.00,则返回 true。如果 price 是 9.90,则返回 false。
<=
小于或等于
price<=9.80
如果 price 是 9.00,则返回 true。如果 price 是 9.90,则返回 false。
>
大于
price>9.80
如果 price 是 9.90,则返回 true。如果 price 是 9.80,则返回 false。
>=
大于或等于
price>=9.80
如果 price 是 9.90,则返回 true。如果 price 是 9.70,则返回 false。
or
或
price=9.80 or price=9.70
如果 price 是 9.80,则返回 true。如果 price 是 9.50,则返回 false。
and
与
price>9.00 and price<9.90
如果 price 是 9.80,则返回 true。如果 price 是 8.50,则返回 false。
mod
计算除法的余数
5 mod 2
1
3、使用
from lxml import etree
#载入xml文件parser = etree.XMLParser(enconding = "utf-8")
root = etree.parse('xxx.xml',parser=parser)
# 获取所有含有属性pulgin 的节点
ret= root.xpath('//*[@plugin]') #这里就是xpath
for n in ret:
print(n.tag, n.attrib)
PS:
1、除了上述的,还有很多函数,如find、findall
2、基于字典,效率高;c/c++遍历xml一般是从头到尾,这个底层是hash
3、xpath中的/代表根路径,//代表所有符合要求的
4、xpath轴后接双冒号+节点名
5、获取节点名和属性列表
nodes = tree.xpath("//Node[@IsEnd='1']")
for node in nodes:
print(node.tag, node.attrib)
6、获取节点的路径,由所有路径上所有节点名拼接
nodes = tree.xpath("//Node[@IsEnd='1']")
for node in nodes:
print(tree.getpath(node))
7、获取指定节点对象的所有父节点
nodes = tree.xpath("//Node[@IsEnd='1']")
for node in nodes:
print(node.xpath("ancestor::Node"))
推荐链接
发表评论