lxml解析库杨海迎00课件讲解.pptxVIP

lxml解析库主讲人：杨海迎

lxml解析库

ElementTree与Element类三大节点查找方法

lxml解析库是lxml处理XML/HTML的“基石”。find()、findall()、xpath()则是基于它们的“精准定位工具”，能高效实现节点查询与数据提取。

核心问题ElementTree与Element类是什么？如何创建它们？三大查找方法怎么用、有何区别？

lxml解析的核心是“文档树”模型，ElementTree与Element类分工明确、相辅相成，共同支撑结构化文档的操作。

一、核心组件：ElementTree与Element类定位：代表文档中的单个节点（如book、title标签）；Element类：单个节点的“管理者”核心职责：管理节点属性（如id、price）、文本内容，以及子节点的增删改查；通俗理解：就像文档树中的“单个树枝”，承载具体的内容和关联关系。ElementTree类：整个文档的“掌控者”定位：封装整XML/HTML文档树，是文档级别的操作入口；核心职责：提供文档解析、序列化（生成文档）、全局节点查询等功能；通俗理解：就像文档树的“树根”，掌控着所有节点的整体结构，是操作单个节点（Element）的基础。

ElementTree与Element类ElementTree管“全局”；Element管“局部”，所有节点查找、数据提取都围绕这两个类展开。

创建ElementTree或Element对象是解析的第一步，lxml提供了适配“文件”和“字符串”两种数据源的方法，覆盖绝大多数场景。对象创建：文件与字符串解析

解析文件：etree.parse()二、对象创建：文件与字符串解析

二、对象创建：文件与字符串解析解析字符串

核心用途：解析字符串格式的XML/HTML内容，返回根节点（Element对象）。解析字符串：fromstring()/XML()/HTML()

二、对象创建：文件与字符串解析解析字符串三者区别fromstring()与XML()：功能完全一致，解析XML字符串，严格遵循XML语法；HTML()：专门解析HTML字符串，自动补全缺失的基础标签（如html、body），容错性更强。

二、对象创建：文件与字符串解析解析XML字符串

三、节点查找：三大方法实战对比方法名称核心功能返回结果适用场景find()查找第一个匹配的子节点单个Element对象（未找到返回None）目标节点唯一（如第一个符合条件的节点）findall()查找所有匹配的子节点Element对象列表（未找到返回空列表）批量提取同类子节点xpath()查找所有匹配的节点（支持绝对/相对路径）节点/文本/属性列表（未找到返回空列表）复杂条件筛选、跨层级查找

四、方法对比：选型技巧2.返回结果处理find()：需先判断是否为None，避免空指针错误（如iffirst_book:print(first_book.text)）；findall()和xpath()：返回列表，可直接遍历，无需容错处理（空列表遍历无报错）。1.查找范围差异find()和findall()：仅查找当前节点的“直接子节点”（不跨层级，除非路径表达式用//）；xpath()：支持绝对路径（/root/book）和相对路径（./book），可跨层级查找，灵活性更强。

3.效率与场景选型简单查找单个节点：用find()（简洁高效）；批量提取同类子节点：用findall()（语法简洁，无需复杂XPath）。复杂条件筛选（如属性判断、文本包含、跨层级）：用xpath()（功能最强）。四、方法对比：选型技巧

使用lxml核心类与查找方法时，这几个要点能帮我们避免错误：解析HTML文件时，需指定parser=etree.HTMLParser()，否则可能解析失败；1.解析器适配2.路径表达式五、技术规范Element对象的get(attr_name)获取属性，比xpath(@attr_name)[0]更容错。3.属性获取find()和findall()的路径默认是“相对当前节点的直接子节点”，跨层级需用//（如findall(.//title)）；

2个核心类2种创建方式3大查找方法

核心总结：类与方法掌握2个核心类ElementTree（管全局文档）Element（管单个节点）2种创建方式parse()解析文件fromstring()/XML()/HTML()解析字符串3大查找方法find()（找首个）findall()（找所有子节点）xpath()（复杂查找）关键注意事项解析器适配路径表达式属性获取

课后作业本地XML/HTML文件，实操三种查找方法，对比不同路径表达式的查找结