XPath语法很多，但我们最常用到的就那么几个，为了我们学习方便，我们只需了解下述！
XPath (XML Path Language) 是一门在 HTMLXML 文档中查找信息的语言，可用来在 HTMLXML 文档中对元素和属性进行遍历。
xpath解析基础
环境安装：
pip install lxml
解析原理：html标签是以树状的形式进行展示
实例化一个etree对象，且将待解析的页面源码数据加载到该对象中调用etree对象的xpath方法结合着不同的xpath表达式实现标签的定位和数据提取我们来看下这段test.html代码：
<!DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8"> <title>测试bs4</title> </head> <body> <div> <p>百里守约</p> </div> <div class="song"> <p>李清照</p> <p>王安石</p> <p>苏轼</p> <p>柳宗元</p> <a href="http://www.song.com/" title="赵匡胤" target="_self"> <span>this is span</span> 宋朝是最强大的王朝，不是军队的强大，而是经济很强大，国民都很有钱</a> <a href="" class="du">总为浮云能蔽日,长安不见使人愁</a> <img src="http://www.baidu.com/meinv.jpg" alt=""/> </div> <div class="tang"> <ul> <li><a href="http://www.baidu.com" title="qing">清明时节雨纷纷,路上行人欲断魂,借问酒家何处有,牧童遥指杏花村</a></li> <li><a href="http://www.163.com" title="qin">秦时明月汉时关,万里长征人未还,但使龙城飞将在,不教胡马度阴山</a></li> <li><a href="" alt="qi">岐王宅里寻常见,崔九堂前几度闻,正是江南好风景,落花时节又逢君</a></li> <li><a href="" class="du">杜甫</a></li> <li><a href="" class="du">杜牧</a></li> <li><b>杜小月</b></li> <li><i>度蜜月</i></li> <li><a href="http://www.haha.com" id="feng">凤凰台上凤凰游,凤去台空江自流,吴宫花草埋幽径,晋代衣冠成古丘</a></li> </ul> </div> </body> </html>
实例化etree对象
etree.parse('filename'):将本地html文档加载到该对象中etree.HTML(pate_text):网络获取的页面数据加载到该对象代码如下：
# 使用lxml.etree.parse()解析html文件，该方法默认使用的是“XML”解析器，所以如果碰到不规范的html文件时就会解析错误 # 避免报错 自己创建html解析器，增加parser参数 parser = etree.HTMLParser(encoding="utf-8") tree = etree.parse('test.html', parser=parser)
标签定位
最左侧的 / :如果xpath表达式最左侧是以/开头，则该xpath表达式一定要从根标签开始定位指定的标签 (标签多了，公式会很长，因此，此方式并不常用)tree.xpath('/html/head/meta') # 定位meta非最左侧的 / :表示一个层级
tree.xpath('/html//meta') # 定位meta最左侧的 // ：xpath表达式可以从任意位置进行标签定位
tree.xpath('//mate') # 定位meta属性定位：tageName[@attrName="value"]
# 定位到class为song的div下面的所有的p tree.xpath('//div[@class="song"]/p') # 打印:[<Element p at 0x256b1982e00>, <Element p at 0x256b1982e40>, <Element p at 0x256b1982e80>, <Element p at 0x256b1982ec0>]索引定位：tag[index] (索引是从1开始的)
# 定位到class为song的div下面的第二个的p tree.xpath('//div[@class="song"]/p[2]') # 打印：[<Element p at 0x1f4a62a2e00>]还有不常用的定位方式： 模糊匹配等取文本
/text()：直系文本内容
//text()：所有的文本内容
tree.xpath('//div[@class="song"]/p[2]/text()') #打印 ['王安石']取属性：/@attName
tree.xpath('//a[@id="feng"]/@href') # 打印 ['http://www.haha.com'] tree.xpath('//a[@id="feng"]/@id') # 打印 ['feng']
还没有评论，来说两句吧...