parse导入文件

from lxml import etree

#将hello.html文件解析出来。
#hello.html标签必须一一对应。

html_xml=etree.parse("hello.html")
print(html_xml)
print(type(html_xml))

#将html_xml转化成字符串。

#html_str=etree.tostring(html_xml,encoding='utf-8',
 pretty_print=True).decode("utf-8")
 print(html_str)

#1 获取所有的li标签
#//全局查找所有的li标签。

result=html_xml.xpath("//li")
#获取到五个li标签，放在一个列表中，
print(result)
#列表中的标签是xml对象，还可以使用xpath

print(type(result))
print(len(result))
print(type(result[0]))

#2 获取Li标签中的class属性信息。
#@表示选取属性 /表示从根节点获取
#返回的是列表，里面是字符串

result2=html_xml.xpath("//li/@class")
print(result2)

#3 获取li 标签下href为link1.html的a标签
#a[@href=‘link1.html’]修饰a标签

result3=html_xml.xpath("//li/a[@href='link1.html']")
print(result3)
#4  获取li 标签下href为link1.html的a标签的文本信息
result4=html_xml.xpath("//li/a[@href='link1.html']/text()")
print(result4)

#5 获取所有Li 标签下的所有span标签

result5=html_xml.xpath("//li//span")
print(result5)

#6 获取所有li标签下的a标签里面或下面class
#返回的是一个列表

result6=html_xml.xpath("//li/a//@class")
print(result6)

#获取最后一个li标签下面的a标签的href

result7=html_xml.xpath("//li[last()]/a/@href")
print(result7)

#8 获取倒数第二个Li标签的a标签的href

result8=html_xml.xpath("//li[last()-1]/a/@href")
print(result8)

#获取所有属性class为bold的标签名
#*表示所有的标签

result9=html_xml.xpath("//*[@class='bold']")
print(result9)