pyhon/numpy/pandas(十二)-xml

from lxml.html import parse
import urllib.request
parsed=parse(urllib.request.urlopen('http://finance.sina.com.cn/stock/'))
doc=parsed.getroot()
print (doc)

0x54db9f8>
links=doc.findall('.//a')
links[:3]

[<Element a at 0x55fe5e8>, <Element a at 0x55fe868>, <Element a at 0x55fe6d8>]
urls=[lnk.get('href') for lnk in doc.findall('.//a')]
urls[-10:]

['http://corp.sina.com.cn/chn/',
 'http://corp.sina.com.cn/eng/',
 'http://emarketing.sina.com.cn/',
 'http://www.sina.com.cn/contactus.html',
 'http://corp.sina.com.cn/chn/sina_job.html',
 'http://www.sina.com.cn/intro/lawfirm.shtml',
 'http://english.sina.com',
 'https://login.sina.com.cn/signup/signup.php',
 'http://help.sina.com.cn/',
 'http://corp.sina.com.cn/chn/copyright.html']
tables=doc.findall('.//table')
call=tables[1]
rows=call.findall('.//tr')

def _unpack(row,kind='td'):
    elts=row.findall('.//%s' % kind)
    return [val.text_content() for val in elts]
_unpack(rows[0],kind='td')

['行业涨幅', '行业跌幅', '行业流入', '行业流出']

你可能感兴趣的:(数据分析与挖掘)