oeasy爬虫010lxml_大对接_从字符串_str_生成_etree_Element_元素节点_原创

好，我们回忆一下上节课的内容啊，这个数我们已经基本玩明白了，怎么明白呢？哎，它可以有节点递归的嵌套，还有属性。问题就是这棵树怎么得到是吧，这棵树怎么得到，假如说啊，咱们现在。通过一个字符串能不能得到这棵树？用这个字符串去生成这个root，这个root生成了没有，生成了它是有标签的，有文本的，对吧？开始标签结束标签，封闭，文本属性为一个空字点。那么它也可以to string, 那这个其实就是通过一个字符串获得了一个。树的根结点。那我能不能通过这个更复杂一点的这个。字符串获得这个根节点呢，给他的这个字符串是一个很好的结构化的HM的原文件，我把这个原文件给他之后，然后让他设置这个缩进，然后他就可以把这棵树的形式给到我了，是吧？这等于是树就成了，如果这个原文件没有那么标准，它是什么样的？

他是。只有一个P元素，只有一个P元素，那它能生成这棵树吗？生成是可以生成，但是是一个P节点，并不是HL节点。嗯，或者说没有HM的这整体的框架，我们的框架P是在body里的，对吧？啊，Body head都是HLL元素，这是一个整体框架，但现在只有P那这个语句啊，拿过来我让它不是from string了，而是什么呢？而是HTML大写的。HTML这个时候他可以怎么样，它可以得到我们的这棵树，哎，我们再得到这棵树就怎么样，它就有HTML了。有这个框架了，为什么呢？因为原来这个东西呢，它是from string, 它不是针对HL的东西，现在呢，我针对HTML，把它生成这个HL的语法数，它就可以正常生成了，我们这个标签有点混乱，Title, 然后body，然后P。

然后一二三。这个基本上少标签，然后又整个结构也不合理，但是能不能正常生成呢？其实是能正常生成的，而且是结构清晰的一个HL，为什么会有这样的呃，生成方式呢？就是因为原来这个写HL他写的很乱，乱成一锅粥是吧？什么粥呢？标签周，那这标签周里面怎么才能把它理顺呢？就使用这个A苗的这个语法分析啊，把它语法分析出来，它就成了。但是不是肯定能分析成功呢？也不尽然。比如说像这种。这种情况。他是有title有P，但是呢，他就把这个P呀，应该放body里的P，放到这个title里面去了，这个就是没有成功是吧，哎，事事无绝对嘛，他实在太乱了，那太乱有没有办法呢？目前我们是没有办法的。

还有什么样的功能呢？比如说这个移除空格，标签之间的空格删除掉，但是标签里边的空格呢保留，就是说我们现在能够通过一个字符串。L的源代码得到这么一个数，然后我再通过数的方式去去去去去摘去呗，你的问题就是我怎么得到这个字符串呢？态，那首先呢，我们CTRL+4D，先把这个NGX跑起来，在之后的这么一个状态，那我把这个东西粘过来，这就是以前我们做的这件事儿。引入一个包，发送一个get请求，得到一个响应，哎，得到一个响应，那这个响应是什么呢？就是这个response response有什么呀，有text的。这个就是它的原文件，那我把这个原文件接到那个HTML解析器里不就成了吗？对不对，哎，那我们来把这个事儿完成一下。确实是接到这个HTML解析器，但是呢好像没有层级结构，为什么呢？因为这个indent缩进有点问题，我把这个缩进设置好了之后，我们再看它的这个层级结构是非常清晰的。

非常清晰的，既然有数了，我就按树的方式去玩，我把它遍历一遍，遍理一遍。你看它是不是变历出来了，A苗之后是head head之后是title。哎，然后是死掉，然后是body，这是怎么便利的呢？哎，它是迭代器，什么迭代啊，深度优先，先往深了扎根儿，那我呀只是想输出波的元素对应的分支儿行不行。我们把这个to string的方式。啊，把这个代码拿过来，然后。看一下body。那首先呢，是1TREE的tos string, 传给他的是哪个节点呢？是HLL的1号节点，0是headde 1是body，然后再让他输出，这不就得到了这个body里面的东西了嘛，对吧？哎，那我还想便利body里面的所有节点行不行呢？我们再往下找。

再往下找波在里面都有啥呀，深度优先的这种迭代。那如果我想筛出它里面的A元素呢，那我就在这这个特瑞ator里面迭代器的参数给它，呃，设置成A，然后再输出它的标签，得到俩标签是吧，得到俩A元素。那具体是哪俩A元素啊，我把这个。A的这个。这个tag不用输出了，输出什么呀，输出它的文本吧，是吧，输出的文本吧，这个时候我们可得到两个，一个是or蓝颜色的or RG, 还有一个蓝颜色的是点com是吧，它是这么这么两个这么两个东西，那我除了这个文本，我还想看什么，还想看属性。复制它。这回就输出多个东西啊啊，对于body里边的每一个A元素。

输出元素的标签、文本和属性。然后输出。啊，标签是A，文本是这个，属性是这个，哎，那属性我能不能给它，就是控制的更好一点儿啊，什么叫控制的更好一点，At DR r IB里边的什么呀，我说的是不是一般属性是h re e属性。行不行呢？我们再去输出，我们可以看到这两个超链鼠标放在这儿，出现在这个位置哈，它就对应什么，它就对应这个源代码里面的A元素的HRF属性，对吧？前面是K，后边是Y6，那这个Y6就是对应的这个，那这次呢，我们完成了整个的大对接，哎，首先是。发请求，接响应，Request负责的是什么呢？得到这个原文件，然后呢？呃，E负责的是什么呢？把它解析成一颗元素树。

然后再按元素数的方式去迭代啊，但元素数很大，我怎么才能捋出我想要的相应节点呢？我们下次再说哦，EZ教程。