要学Python爬虫,学XPath是必须的,XPath简单易学,但需要一些HTML和XML的基础。这里整理一下有关XPath的知识,算是个总结,也当作一个入门教程,希望对有意愿学习爬虫的朋友们有帮助。
什么是XPath
XPath说白了就是一门在 XML 文档中查找信息的语言。XPath 用于在 XML 文档中通过元素和属性进行导航,可用来在 XML 文档中对元素和属性进行遍历。
XPath的构成
1. XPath 路径表达式
XPath 使用路径表达式来选取 XML 文档中的节点或者节点集。这些路径表达式和我们在常规的电脑文件系统中看到的表达式非常相似。
2.XPath节点(Node)
XPath 中有七种类型的节点,分别为:元素、属性、文本、命名空间、处理指令、注释和文档(根)节点。而XML 文档被视为节点树来对待的。树的根被称为文档节点或者根节点。
3.基本值(或称原子值,Atomic value)
基本值是无父或无子的节点。
4.项目(Item)
项目是基本值或者节点。
节点关系
1.父(Parent)
每个元素以及属性都有一个父。
2.子(Children)
元素节点可有零个、一个或多个子。
3.同胞&