最近在做一些網頁資訊採集的工作，說通俗點就是爬蟲工具，要監控頁面中某一部分內容是否發生變化。起初考慮用正規表示式去匹配網頁原始碼，經過諮詢有經驗人士，推薦使用xpath去獲取頁面內容能獲得更好的效率。但是對於html這種寬鬆語法要求的語言來說，不可能100%地完全符合xml標準，那麼就沒法使用xpath，說得更直接點就是：不能把html原始碼直接載入到xmldocument中。為了使用xpath，只能對html內容進行轉換或者規範，於是就寫了這麼乙個方法。
該方法比較地偷懶，借助了開源工具htmlparser獲取html原始碼中的所有節點，然後遍歷各個節點，轉換為對應的xmlnode。對於html中有未閉合的節點，在轉換後實際**會有一些差別，但是不影響xpath的使用（這也跟如何寫xpath的內容有關）。
實現方式如下，需引用htmlparser的dll
摘自網路：http://www.cnblogs.com/shenba/archive/2009/04/12/1434050.html
利用htmlparser抓取網頁內容
import org.htmlparser.node import org.htmlparser.nodefilter import org.htmlparser.parser import org.htmlparser.filters.tagnamefilter import org.htmlpa...
如何利用pandas將Excel轉為html格式
大家談及用pandas匯出資料，應該就會想到to.系列的函式。這其中呢，比較常用的就是pd.to csv 和pd.to exupoqrtvtocel 但其實還可以將其導成html網頁格式，這裡用到的函式就是pd.to html 今天我們要實現excel轉為html格式，首先需要用讀取excel中的 ...
利用python把EXCEL檔案匯入Oracle
一 資料準備 1 excel資料準備 包含字串 整數 小數 科學計數法 空值 2 oracle建表 二 注意 必要時需要先刪除資料庫中資料再導數入庫。usr bin env python coding utf 8 import cx oracle import csv import xlrd imp...