Xpath解析

PaPeR ..

已于 2024-03-23 22:37:11 修改

阅读量797

点赞数 29

分类专栏：爬虫文章标签：开发语言 python 爬虫网络爬虫程序人生 Xpath

于 2024-03-23 22:36:26 首次发布

本文链接：https://blog.csdn.net/2301_80239034/article/details/136938578

版权

爬虫专栏收录该内容

4 篇文章 0 订阅

订阅专栏

Xpath的简介：

简介：

Xpath的简介：

简介：

XPath即为XML路径语言（XML Path Language），它是一种用来确定XML文档中某部分位置的语言。

XPath基于XML的树状结构，提供在数据结构树中找寻节点的能力。起初XPath的提出的初衷是将其作为一个通用的、介于XPointer与XSL间的语法模型。但是XPath很快地被开发者采用来当作小型查询语言。

HTML属于XML的一个子集，所以可以用Xpath解析XML

Xpath的使用：

安装：

pip install lxml

用法：

第一步：准备html

html = """
<body>
    <ul>
        <li><a href="http://www.baidu.com">百度
</a></li>
        <li><a href="http://www.google.com">谷歌
</a></li>
        <li><a href="http://www.sogou.com">搜狗
</a></li>
    </ul>
    <ol>
        <li><a href="qiche">汽车</a></li>
        <li><a href="huoche">火车</a></li>
        <li><a href="feiji">飞机</a></li>
    </ol>
</body>
</html>
"""

第二步：将html构造出etree对象

from lxml import etree
html = """
<body>
    <ul>
        <li><a href="http://www.baidu.com">百度
</a></li>
        <li><a href="http://www.google.com">谷歌
</a></li>
        <li><a href="http://www.sogou.com">搜狗
</a></li>
    </ul>
    <ol>
        <li><a href="qiche">汽车</a></li>
        <li><a href="huoche">火车</a></li>
        <li><a href="feiji">飞机</a></li>
    </ol>
</body>
</html>
"""
tree = etree.HTML(html)

第三步：使用etree对象的xpath()方法配合xpath表达式来完成对数据的提取

from lxml import etree
html = """
<body>
    <ul>
        <li><a href="http://www.baidu.com">百度
</a></li>
        <li><a href="http://www.google.com">谷歌
</a></li>
        <li><a href="http://www.sogou.com">搜狗
</a></li>
    </ul>
    <ol>
        <li><a href="qiche">汽车</a></li>
        <li><a href="huoche">火车</a></li>
        <li><a href="feiji">飞机</a></li>
    </ol>
</body>
</html>
"""
tree = etree.HTML(html)
result = tree.xpath("/html/body/ul/li/a/@href")
print(result)