xpath
-
XPath (XML Path Language) 是一門在 XML 文檔中查找信息的語言,可用來在 XML 文檔中對元素和屬性進行遍歷。
-
XML 和 HTML 的區別
- XML:被設計爲傳輸和存儲數據,其焦點是數據的內容。
- HTML:顯示數據以及如何更好顯示數據。
-
xpath選取節點
表達式 描述 / 從根節點選取。 // 從匹配選擇的當前節點選擇文檔中的節點,而不考慮它們的位置 . 選取當前節點 … 選取當前節點的父節點 @ 選取屬性 -
謂語(Predicates)
徑表達式 結果 bookstore/book[1] 選取屬於 bookstore 子元素的第一個 book 元素。 bookstore/book[last()] 選取屬於 bookstore 子元素的最後一個 book 元素。 bookstore/book[last()-1] 選取屬於 bookstore 子元素的倒數第二個 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[@lang=’eng’] 選取所有 title 元素,且這些元素擁有值爲 eng 的 lang 屬性。 -
xpath使用
-
1、下載
pip install lxml
-
2 、導包
from lxml import etree
-
3、 創建etree對象進行指定數據解析
etree = etree.HTML(html)
#使用xpath解析數據 etree_xpath = etree.HTML(response) #取出所有class爲scores_List的div下邊的dl dls= etree_xpath.xpath('//div[@class="scores_List"]/dl')
-
-
常用的xpath表達式:
#屬性定位:
"""找到class屬性值爲song的div標籤"""
//div[@class="song"]
# 層級&索引定位:
"""找到class屬性值爲tang的div的直系子標籤ul下的第二個子標籤li下的直系子標籤a"""
//div[@class="tang"]/ul/li[2]/a
#邏輯運算:
"""找到href屬性值爲空且class屬性值爲du的a標籤"""
//a[@href="" and @class="du"]
# 模糊匹配: //div[contains(@class, "ng")] //div[starts-with(@class, "ta")] 取文本:
""" /表示獲取某個標籤下的文本內容 """
"""//表示獲取某個標籤下的文本內容和所有子標籤下的文本內容"""
//div[@class="song"]/p[1]/text()
//div[@class="tang"]//text()
# 取屬性: //div[@class="tang"]//li[2]/a/@href