Skip to content

0527.md

Latest commit

 

History

History
332 lines (239 loc) · 6.58 KB

0527.md

File metadata and controls

332 lines (239 loc) · 6.58 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 0527
- 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

  • 上次 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？🤔

寻找函数

  • 先构造 元素树
    • 简化代码实现
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"
  • 构建出html这棵树

图片描述

输出

  • 输出 这棵树
print(etree.tostring(et_html,pretty_print=True).decode())
  • 可以生成etree

图片描述

找到提示

et_html.
  • 通过按下tab做提示

图片描述

  • iter() 看起来 很像 遍历函数

迭代

  • 用 iter()函数 遍历 整棵树
for element in et_html.iter():
    print(element.tag,element.text)
  • 找到了
    • head下的 title
    • body下的 h1

图片描述

  • iter()函数 返回的容器
    • 是 什么类型 呢？

iter()类型

  • 输出看看
print(html.iter())
  • 这个东西的类型是
    • Element Depth First Iterator
    • 元素 深度优先 迭代器

图片描述

  • 什么是 深度优先 ？

深度优先

  • 见到 节点
    • 先往 深里走
    • 而不是 先往 广里走
  • 遍历head之后
    • 往深里走
      • 找到title
  • 这就是深度优先
    • DepthFirst

图片描述

  • 和深度优先相对的
    • 是广度优先
    • 找到 head 之后
    • 先 往广里走
    • 找到 body
  • 想要 试试
    • 广度优先遍历
    • 可以 吗？

广度优先

  • 深度优先是
    • 嫡长子 - 娣长孙
    • 一枝捋到底

图片描述

  • 广度优先是
    • 先找 最近的弟弟
      • 这一辈 都捋完了
      • 再往下 找下一辈儿
    • 子侄辈
      • 都捋完了
    • 再去
      • 捋孙子 辈

广度优先

  • 流程
    • 先 输出 当前节点
    • 然后 把当前节点的 所有的子节点
      • 比如 head、body
      • 都放到 列表里
    • 之后
      • 对于 列表中的 每个节点
      • 删除 当前节点
      • 最后 遍历 当前节点
  • 这就是 广度优先
    • Breadth-First-Search
l = []

def traversal(et):
    print(et.tag,et.text,sep=":")
    for ele in et:
        l.append(ele)
    for ele in l:
        l.remove(ele)
        traversal(ele)

traversal(et_html)
  • 而 traversal()使用的方式 是
    • 深度优先 遍历节点
    • Depth First

图片描述

  • 遍历 和 迭代有什么区别吗？

迭代 和 遍历

  • 迭代（iterate）
    • 按照某种顺序
    • 逐个访问
    • 列表中的每一项
for element in et_html.iter():
    print(element.tag,element.text)
  • 遍历（traversal）
    • 指的是按照一定的规则访问树形结构中的每个节点
    • 而且每个节点都只访问一次
def traversal(et):
    print(et.tag,et.text,sep=":")
    for ele in et:
        l.append(ele)
    for ele in l:
        l.remove(ele)
        iterator(ele)
对比项 迭代（Iteration） 遍历（Traversal）
英文 Iteration Traversal
含义 一步一步取东西 把所有东西都看一遍
重点 强调动作/过程 强调目标/结果
一定要看完吗 不用，可以取一半 必须全部看完、不漏
关系 是实现遍历的方法 靠迭代来完成
  • 最精简一句话

迭代是一步步取，遍历是全看完。

  • 迭代器 iter()可以
    • 能 筛选元素 吗？

筛选标签

  • 先查文档

图片描述

root.iter("child")
#可以遍历root下 所有标签是child的 子元素

图片描述

root.iter("child","another")
#筛选这两个 tag 的所有元素
  • 遍历 这两个 元素

根据标签筛选元素

  • 尝试 筛选出head元素
for element in et_html.iter("head"):
    print(element.tag, element.text,sep=":")
  • 真把 head 筛出来了

图片描述

  • 可以筛出 多个标签吗？

筛选多个标签名

for element in et_html.iter("head","h1"):
    print(element.tag, element.text,sep=":")
  • 两个 都 筛出来了
    • 这其实 是 筛选出
      • head头
      • 所有 标题一级别的文本

图片描述

  • 除了 tag 和 text
    • 可以将 tails 也输出出来吗？

tails

et_html[1][0].tail = "o4z"
for element in et_html.iter("head","h1"):
    print(element.tag,element.text,element.tail)
  • 结果

图片描述

  • 树 具体 长成啥样 来着？

具体的树

print(etree.tostring(et_html,pretty_print=True).decode())
  • 树形结构

图片描述

总结

  • 这次了解了

    • 深度优先遍历函数
    • iter()

  • iter()

    • 是迭代器函数
    • 可以筛元素
    • 深度优先遍历

图片描述

  • 怎么 把etree上的文本
    • 都输出来着？🤔
  • 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。