Question

我一直试图从网站获取信息，最近发现存储在childNodes [0] .data中。我是python的新手，从未尝试过针对网站编写脚本。

有人告诉我，我可以创建一个tmp.xml文件，并从那里提取信息，但由于它只获取源代码（我认为这对我没有用），所以我没有＆＃39 ;得到任何结果。

当前代码：

response = urllib2.urlopen(get_link)
html = response.read()
with open("tmp.xml", "w") as f:
    f.write(html)
dom = parse("tmp.xml")
name = dom.getElementsByTagName("name[0].firstChild.nodeValue")

我也尝试过使用＆＃39; dom = parse（html）＆＃39;没有更好的结果。

Answer 1

getElementsByTagName()采用元素名称，而不是表达式。您加载的页面中的标记极不可能包含<name[0].firstChild.nodeValue>个标记。

如果要加载HTML，请使用HTML解析器，例如BeautifulSoup。对于XML，使用ElementTree API比使用（陈旧且非常详细的）DOM API容易得多。

这两种方法都不需要先将源保存到磁盘，这两种API都可以直接从urllib2返回的响应对象进行解析。

# HTML
import urllib2
from bs4 import BeautifulSoup

response = urllib2.urlopen(get_link)
soup = BeautifulSoup(response.read(), from_encoding=response.headers.getparam('charset'))

print soup.find('title').text

或

# XML
import urllib2
from xml.etree import ElementTree as ET

response = urllib2.urlopen(get_link)
tree = ET.parse(response)

print tree.find('elementname').text

Python - 从节点获取信息

1 个答案: