1.Xpath

　　Xpath是一門在XML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。XQuery和xpoint都是構建于xpath表達之上

2.節點

　　父（parent），子（children），兄弟（sibling），先輩（ancetstor），后代（Decendant）

3.選取節點

路徑表達式

表達式	描述	路徑表達式	結果
nodename	選取此節點上的所有的子節點	bookstore	選取bookstore元素的所有子節點
/	從根節點上選取	/bookstore	選取根元素bookstore，為絕對路徑
//	從匹配選擇的當前節點選擇文檔中的節點，不考慮位置	//book	選取所有的book子元素，而不管他們在文檔的位置
.	選取當前節點	bookstore//book	選擇bookstore后代中所有的book元素
..	選取當前節點的父節點	?	?
@	選取屬性	//@lang	選取名為lang的所有屬性

?

?

?

?

?

?

?

?

謂語

　　謂語用來查找某個特定的節點或者包含某個指定的值的節點

　　謂語被嵌在方括號中

路徑表達式	結果
/bookstore/book[1]	選取屬于bookstore子元素的第一個book元素
/bookstore/book[last()]	選取屬于bookstore子元素的最后book元素
/bookstore/book[last()-1]	選取屬于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于bookstore元素的子元素的book元素
//title[@lang='eng']	選取所有的title元素，并且這些元素擁有值為eng的lang屬性
/bookstore/book[price>35.0]	選取bookstore元素的所有book元素，且其中的price值大于35.0

?

?

?

?

?

?

?

?

?

?

選取未知節點（通配符）

*　　匹配任何 元素節點

@*　　匹配任何屬性節點

node（）　　匹配任何類型的節點

?

4.lxml用法

#!/usr/bin/python #_*_coding:utf-8_*_from lxml import etreetext=''' <div><ul><li class="item-0"><a href="link1.html">first item</a></li><li class="item-1"><a href="link2.html">second item</a></li><li class="item-inactive"><a href="link3.html">third item</a></li><li class="item-1"><a href="link4.html">fourth item</a></li><li class="item-0"><a href="link5.html">fifth item</a></ul> </div>'''# html=etree.HTML(text) #html對象，存儲在地址中，有自動修正功能 # result=etree.tostring(html) #將html對象轉化為字符串 html=etree.parse('hello.html') # result=etree.tostring(html,pretty_print=True) # print result print type(html) result= html.xpath('//li') print result print len(result) print type(result) print type(result[0]) print html.xpath('//li/@class') # 獲取li標簽下的所有的class print html.xpath('//li/a[@href="link1.html"]') #獲取li標簽下href為link1的<a>標簽 print html.xpath('//li//span') #獲取li標簽下所有的span標簽 print html.xpath('//li[last()-1]/a')[0].text #獲取倒數第二個元素的內容

?

轉載于:https://www.cnblogs.com/sjtu-ly-2017/p/7301215.html

總結

以上是生活随笔為你收集整理的Python爬虫之xlml解析库的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。