python爬蟲筆記02--xpath

---

1、語法

表達式	語法
nodename	選取此節點的所有子節點
/	從根節點選取
//	任意子孫節點，不考慮位置
.	當前節點
. .	當前節點的父節點
@	選取屬性
*	匹配任何節點
contains(@屬性,”包含的內容”)	模糊查詢
text()	取文本內容

2、使用案例

<bookstore>
	<book>
		  <title class="tit alive" lang="eng">Harry Potter</title>
		  <price>29.99</price>
	</book>
	<book>
		  <title class="tit" lang="eng">Learning XML</title>
		  <price>39.95</price>
	</book>
</bookstore>

表達式	結果
/bookstore/book[1]	選取屬於 bookstore 子元素的第一個 book 元素。（xpath索引從1開始）
/bookstore/book[last()]	選取屬於 bookstore 子元素的最後一個 book 元素。
/bookstore/book[position() < 3]	選取最前面的兩個屬於 bookstore 元素的子元素的 book 元素。
//title[@lang]	選取所有擁有名爲 lang 的屬性的 title 元素。
//title[@class=‘tit’]	選取所有class屬性值爲tit的 title 元素，(第一個不會被選中，因爲class值爲“tit alive”)
//title[contains(@class,“tit”)]	選取class屬性值包含“tit”的title元素，兩個title都會被選中
/bookstore/book[price>35.00]	選取 bookstore 元素下的所有 book 元素，且其中的 price 元素的值須大於 35.00。
//title/text()	選取所有title元素的文本內容
//title/@lang	選取所有title元素的lang屬性

3、在python中使用xpath

# 1.導包
from lxml import etree as le
# 2.準備好str類型的文本對象
html = '......'
# 3.把str對象加載成xpath對象
html_x = le.HTML(html)
# 4.使用xpath表達式，ret的結果爲列表
ret = html_x.xpath('xpath表達式')