文章目录

1. 1. 前言
2. 2. 正文
   1. 2.1. XPath定位元素
   2. 2.2. python处理XPath
      1. 2.2.1. 安装lxml
   3. 2.3. 小试牛刀
   4. 2.4. 格式调整
   5. 2.5. 后记

前言

今天在开源中国看到一篇文章自动配置Google Hosts脚本,文章介绍了通过HTMLParse解析360GoogleHosts文件，实现自动更新本地host文件的方法。详情请参见原文。

正文

本文将通过XPath解析host文件，换一个途径实现host记录的解析。之所以选择XPath,主要是因为chrome浏览器的DevelopTool能够自动解析html文件的XPath,可以很方便的定位到要获取的html元素。

XPath定位元素

用chrome浏览器打开上文中提到的hosts文件所在的网页。在hosts记录上右键->”审查元素”，定位到

元素后,直接在元素上右键即可看到复制XPath菜单。

python处理XPath

刚接触python不久，搜索了一下，大家都推荐用lxml库，我就现学现用了:)

安装lxml

1. 如果安装了pip,直接在python控制台输入

   [安装lxml]

   pip install lxml

2. 如果没有安装pip环境，请先安装pip环境，具体请移步google

   小试牛刀

   有了XPath和lxml,用python可以优雅的解析上文中提及的网页，不罗嗦，直接上代码，新手，勿喷。。

   [using XPath in python]

   from lxml import etree
   def GetHosts(text):
       '''
       用XPath解析host内容
       '''
       try:  
           tree = etree.HTML(text)  
           nodes = tree.XPath("//*[@id='storybox']/div/p[7]",smart_strings=True)
           return etree.tostring(nodes[0])
       except:  
           print("error to resolve the html ")  
       pass

格式调整

通过上面代码取出来的字符还带有html标签，以下为截取的一部分内容：

[解析出来的代码]

<p>
    #google hosts 2014 by 360kb.com<br/>
#base services<br/>
64.233.168.82 &#160; &#160;www.google.com.hk<br/>
64.233.168.82 &#160; &#160;www.google.com<br/>
203.208.46.132 &#160; &#160;accounts.google.com&#160;<br/>
203.208.46.132 &#160; &#160;accounts.l.google.com<br/>
203.208.46.132 &#160; &#160;mail.google.com&#160;<br/>
#base services<br/>
#google apis<br/>
64.233.168.82 &#160; &#160;apis.google.com<br/>
</p>

需要通过小调整使文本能够直接应用在hosts文件中，这里我选择了粗暴的链式替换代码。

[猥琐的替换]

datas = GetHosts(text)
datas = datas.replace('&#160;','').replace('<br/>','').replace('<p>','').replace('</p>','').strip()

通过这样处理后的内容可以直接写入hosts文件咯。

后记

还可以通过csspath解析哦。