一.Xpath的介绍
XPath,全称 XML Path Language,即 XML 路径语言,它是一门在 XML 文档中查找信息的语言。最初是用来搜寻 XML 文档的,但同样适用于 HTML 文档的搜索。所以在做爬虫时完全可以使用 XPath 做相应的信息抽取。XPath 的选择功能十分强大,它提供了非常简洁明了的路径选择表达式。另外,它还提供了超过 100 个内建函数,用于字符串、数值、时间的匹配以及节点、序列的处理等,几乎所有想要定位的节点都可以用 XPath 来选择。
二.Xpath的安装
通过在Python中输入指令:pip install lxml
三.Xpath的语法
表达式 | 描述 |
/ | 根节点选取或下级 |
// | 任意节点,不考虑位置 |
* | 匹配任何节点 |
. | 当前节点 |
.. | 当前节点的父节点 |
@ | 选取属性 |
nodename | 根据节点筛选 |
text() | 文本内容 |
contains(@属性,“包含的内容”) | 模糊查询 |
路径表达式 | 结果 |
bookstore | 选取bookstore元素的所有子节点 |
/bookstore | 选取根元素bookstore |
bookstore/book | 选取属于bookstore的子元素的所有book元素 |
//book | 选取所有book子元素,而不管它们在文档中的位置 |
bookstore//book | 选择属于bookstore元素的后代的所有book元素,而不管它们位于bookstore之下的什么位置 |
//@lang | 选取名为lang的所有属性 |
四.实战练习
1.导入
2.html文档
3.查找内容
4.全部的运行结果