xpath
-
XPath (XML Path Language) 是一门在 XML 文档中查找信息的语言,可用来在 XML 文档中对元素和属性进行遍历。
-
XML 和 HTML 的区别
- XML:被设计为传输和存储数据,其焦点是数据的内容。
- HTML:显示数据以及如何更好显示数据。
-
xpath选取节点
表达式 描述 / 从根节点选取。 // 从匹配选择的当前节点选择文档中的节点,而不考虑它们的位置 . 选取当前节点 … 选取当前节点的父节点 @ 选取属性 -
谓语(Predicates)
径表达式 结果 bookstore/book[1] 选取属于 bookstore 子元素的第一个 book 元素。 bookstore/book[last()] 选取属于 bookstore 子元素的最后一个 book 元素。 bookstore/book[last()-1] 选取属于 bookstore 子元素的倒数第二个 book 元素。 bookstore/book[position() < 3] 选取最前面的两个属于 bookstore 元素的子元素的 book 元素。 /title[@lang] 选取所有拥有名为 lang 的属性的 title 元素。 /title[@lang=’eng’] 选取所有 title 元素,且这些元素拥有值为 eng 的 lang 属性。 -
xpath使用
-
1、下载
pip install lxml
-
2 、导包
from lxml import etree
-
3、 创建etree对象进行指定数据解析
etree = etree.HTML(html)
#使用xpath解析数据 etree_xpath = etree.HTML(response) #取出所有class为scores_List的div下边的dl dls= etree_xpath.xpath('//div[@class="scores_List"]/dl')
-
-
常用的xpath表达式:
#属性定位:
"""找到class属性值为song的div标签"""
//div[@class="song"]
# 层级&索引定位:
"""找到class属性值为tang的div的直系子标签ul下的第二个子标签li下的直系子标签a"""
//div[@class="tang"]/ul/li[2]/a
#逻辑运算:
"""找到href属性值为空且class属性值为du的a标签"""
//a[@href="" and @class="du"]
# 模糊匹配: //div[contains(@class, "ng")] //div[starts-with(@class, "ta")] 取文本:
""" /表示获取某个标签下的文本内容 """
"""//表示获取某个标签下的文本内容和所有子标签下的文本内容"""
//div[@class="song"]/p[1]/text()
//div[@class="tang"]//text()
# 取属性: //div[@class="tang"]//li[2]/a/@href