lxml 相关问题

请考虑以下html片段。。。 Hello Text1 ... ...> ] >> 您可以使用Beautiful Soup 4来做到这一点。似乎您想要多个div的内容，因此我将相应地写出我的答案以及其他一些片段以了解用法。我还对您的数据进行了重新格式化（找出所有间隔），以使输出更易理解。 import bs4 HTML = """<html> <div id="some_id"> <p> Hello </p> <div> <b> Text1 </b> <p> This is a huge paragraph text </p> </div> </div> <div> <i> Text2 </i> <a href="https://mknxgn.pro/">Go to website</a> </div> </html>""" soup = bs4.BeautifulSoup(HTML, features="lxml") # Convert the text into soup divs = soup.findAll("div") # Find all divs for div in divs: print("DIV CONTENT:", div, "\n\n") print("DIV TEXT:", div.text) for a in div.findAll("a"): # Find all links in all the divs print("\nLink Found In Div. Link redirects to:", a.get("href"), "- Link text is:", a.text) div = soup.find("div", attrs={"id": "some_id"}) # Find a div with the ID attribute set to "some_id" print(div.text) 输出是这样的： >> DIV CONTENT: <div id="some_id"> >> <p> Hello </p> >> <div> >> <b> >> Text1 >> </b> >> <p> >> This is a huge paragraph text >> </p> >> </div> >> </div> >> DIV CONTENT: <div> # There is more than one div in the code given >> <b> >> Text1 >> </b> >> <p> >> This is a huge paragraph text >> </p> >> </div> >> DIV CONTENT: <div> >> <i> >> Text2 >> </i> >> <a href="https://mknxgn.pro/">Go to website</a> >> </div> >> Link Found In Div. Link redirects to: https://mknxgn.pro/ - Link text is: Go to website 如果您想了解有关beautifulsoup4的更多信息，以及它如何帮助您解析诸如所提供种类的数据。

python html tags lxml

回答 1 投票 0

在lxml中剥离单个元素

我需要在保留XML数据的同时删除它。 lxml函数strip_tags确实删除了元素，但是它以递归方式工作，我想剥离单个元素。我尝试使用...

python xml lxml

回答 1 投票 0

通过XPATH通过LXML获取元素

我正在为Discord.py的Python库编写一个Discord机器人。我不需要帮助，但可以从网站上抓取一些信息。 @ commands.command（aliases = [“ ruby userinfo”]）异步定义...

python xpath web-scraping beautifulsoup lxml

回答 3 投票 1

如何在XML Python中迭代一个以上的节点？

我有这样的XML结构：“”“ [[[[[[[[[[[[[[[[[[[[[[[[ 尽管您的问题与上一个相似，但是这次的问题更加简单明了。您可以先提取数据，然后将其拼写为所需的格式。这是一个例子。从simple_scrapy导入SimplifiedDoc，req，utilsxml =“”“ <pages> <page> <textbox> <new_line> <text size="12.482">C</text> <text size="12.333">A</text> <text size="12.333">P</text> <text size="12.333">I</text> <text size="12.482">T</text> <text size="12.482">O</text> <text size="12.482">L</text> <text size="12.482">O</text> <text></text> <text size="12.482">I</text> <text size="12.482">I</text> <text size="12.482">I</text> <text></text> </new_line> </textbox> </page> </pages> """ doc = SimplifiedDoc(xml) new_line = doc.new_line lastSize = None lst = [] texts = "" for t in new_line.texts: if not lastSize or t.size==lastSize: texts += t.text lastSize = t.size else: lst.append((lastSize,texts)) texts = t.text if t.size: lastSize = t.size else: lst.append("<text />") lastSize=None print(lst) 重新排序： [('12.482', 'C'), ('12.333', 'API'), ('12.482', 'TOLO'), '<text />', ('12.482', 'III'), '<text />']

python python-3.x xml lxml elementtree

回答 1 投票 -3

如何使用Python在XML中的节点之后提取信息？

我具有以下XML结构（非常大的文件，还有更多人条目）

python xml lxml elementtree

回答 1 投票 1

如何在XML Python中迭代子元素的子元素？

我有一个XML结构，如下： [[[[[[]]

python python-3.x xml lxml

回答 1 投票 -1

我的Amazon scraper随机停止在服务器上工作（带有代理），但在家用PC上与相同的代理一起使用

我的亚马逊刮板工作正常，当我突然发疯时，我开始获取验证码。但是，当我在家用PC上运行脚本时，它运行得很好。在两种情况下，我都使用相同的代理。这个...