Skip to content

0526.md

Latest commit

 

History

History
368 lines (257 loc) · 7.39 KB

0526.md

File metadata and controls

368 lines (257 loc) · 7.39 KB
Error in user YAML: (<unknown>): found a tab character that violate indentation while scanning a plain scalar at line 3 column 3
---
- oeasy Python 0526
- 这是 oeasy 系统化 Python 教程，从基础一步步讲，扎实、完整、不跳步。愿意花时间学，就能真正学会。
- 本教程同步发布在： 
	- 个人网站： `https://oeasy.org` 
	- 蓝桥云课： `https://www.lanqiao.cn/courses/3584` 
	- GitHub： `https://github.com/overmind1980/oeasy-python-tutorial` 
	- Gitee： `https://gitee.com/overmind1980/oeasypython` 
---

语法 html 属性 text 文本

回忆

  • 方法
函数名 功能
append 添加子节点
remove 移除子节点
insert 指定位置添加

  • etree里面元素的访问方法

    • 索引 index
    • 切片 slice

  • 可以根据节点

    • 找到 他的父亲、孩子、哥哥、弟弟吗？

图片描述

父子兄弟

  • 复现 上次代码
from lxml import etree
et_html = etree.Element("html")
et_head = etree.Element("head")
et_body = etree.Element("body")
et_ul = etree.Element("ul")
et_html.append(et_head)
et_html.append(et_body)
et_body.append(et_ul)
for num in range(3):
    et_li = etree.Element("li")
    et_ul.append(et_li)

观察手册

  • 可以用 方法
    • 得到 节点的 哥哥或弟弟 节点

图片描述

  • 可以 得到
    • 父级或者子级 节点 吗?

父级

图片描述

  • 得到父级
et_body.getparent()
  • body的 父亲 是 html

图片描述

  • html 的孩子有谁呢？

得到子集

et_html.getchildren()
  • 子集 得到

图片描述

关系

  • 伦理清晰

图片描述

  • 准备验证

动手尝试

  • 综合验证
print(et_body.getparent())
print(et_html.getchildren())
print(et_body.getprevious())
print(et_head.getnext())
  • 得到
    • body父亲html
    • html孩子[head, body]
    • body哥哥head
    • head弟弟body

图片描述

整体输出

print(etree.tostring(et_html,pretty_print=True).decode())
  • 目前 层级间 缩进两格

图片描述

  • 可以 把缩进 改为4空格吗？

控制缩进

图片描述

  • 根据文档
    • 再次输出
etree.indent(et_html, space = "    ")
print(etree.tostring(et_html,pretty_print=True).decode())
  • 效果

图片描述

  • 这棵dom树 架子有了
    • 但却是 空架子
    • 没有文本啊！
  • 如何 在etree节点上 挂文本呢？？🤔

文本

  • text(文本)是
    • etree元素 的 成员属性
    • 就像 标签(tag) 一样

图片描述

  • text 成员的类型是
    • 字符串

基础结构

from lxml import etree
et_html = etree.Element("html")
et_head = etree.Element("head")
et_html.append(et_head)
et_title = etree.Element("title")
et_head.append(et_title)
et_body = etree.Element("body")
et_html.append(et_body)
print(etree.tostring(et_html,pretty_print=True).decode())
  • 这里出现的四个元素
    • 都没有text成员

图片描述

  • 给title添加
    • text成员

text

  • 添加第9句后
    • 再输出
et_title.text = "oeasy"
print(etree.tostring(et_html,pretty_print=True).decode())
  • 可以看到设置了 title中的 文本(text)
    • 网页有了标题

图片描述

  • 可以 让body 也有text吗？

继续

et_body.text = "oeasy"
print(etree.tostring(et_html,pretty_print=True).decode())
  • 运行结果

图片描述

  • 元素树(element tree)
    • 可以 生成得 更快些 吗?

改造 生成方法

  • etree.Element函数
    • 作用是构建etree的Element

图片描述

  • etree.SubElement函数
    • 不但 构建etree的Element
    • 并且 把新建的Element 添加到目标元素下
  • 也就是说
    • 新元素 是 目标元素的子元素
    • 构造节点 连带 父子关系
    • 一行搞定

改造代码

  • 按照新思路 改造源码
from lxml import etree
et_html = etree.Element ("html" )
etree.SubElement(et_html, "head" )
etree.SubElement(et_html[0], "title").text = "oeasy"
etree.SubElement(et_html, "body").text = "o2z"
print(etree.tostring(et_html,pretty_print=True).decode())
for element in et_html:
    print(element.tag,element.text)
  • 和原来的代码等效

图片描述

  • 除了 text 成员
    • 还有啥 也代表着
    • 网页中的 文本 呢？

尾巴

  • 可以在元素后面
    • 追加尾部文本
    • tail

图片描述

  • tail 是什么意思呢？

tail

  • tail就是尾巴

图片描述

  • 具体怎么用呢？

tail应用

from lxml import etree
et_html = etree.Element ("html" )
etree.SubElement(et_html, "head" )
etree.SubElement(et_html[0], "title").text = "oeasy"
etree.SubElement(et_html, "body").text = "o2z"
etree.SubElement(et_html[1], "h1").text = "o3z"
et_html[1][0].tail = "o4z"
print(etree.tostring(et_html,pretty_print=True).decode())
for element in et_html:
    print(element.tag,element.text)
  • body中的文本只有o2z吗?

图片描述

  • 为什么body中的文本
    • 只有o2z?

文本来源

  • tail 像 text
    • 是 元素的成员变量
    • 也是 字符串类型的
    • 只不过在元素结束标签的后面

图片描述

  • 怎么 把body中的文本 都 提取出来呢?

查找帮助

图片描述

  • 好像可以试试

图片描述

  • etree.tostring(et_body, method="text")

method

from lxml import etree
et_html = etree.Element ("html" )
etree.SubElement(et_html, "head" )
etree.SubElement(et_html[0], "title").text = "oeasy"
etree.SubElement(et_html, "body").text = "o2z"
etree.SubElement(et_html[1], "h1").text = "o3z"
et_html[1][0].tail = "o4z"
print(etree.tostring(et_html[1],pretty_print=True).decode())
print(etree.tostring(et_html[1], method="text").decode())
  • 确实可以
    • 把 标签都去除
    • 筛出 纯文本 来

图片描述

  • 但是 单词 都 粘在一起
    • 分不开了
  • 怎么办呢？

总结

  • 了解 树中的 元素关系
函数 作用
getparent 得到 父级
getchildren 得到 子集列表
getprevious 得到 哥哥
getnext 得到 弟弟
  • 了解 etree 中的元素的成员变量
text tail tag attrib
含义 文本 尾部文本 标签 属性
类型 字符串 字符串 字符串 字典
  • etree.tostring() 函数参数
    • method = "text"
      • 可以控制输出结果只包含 text 和 tail
    • pretty_print = True
      • 可以控制输出结果包含缩进信息

图片描述

  • 想要把 节点下面
    • 所有的节点 的文本
    • 和 节点下 所有的子节点 文本
    • 都找出来
  • 要 怎么办 呢？🤔
  • 下次再说👋
  • 本文来自 oeasy Python 系统教程。
  • 想完整、扎实学 Python，
  • 搜索 oeasy 即可。