Xpath语法

使用//获取整个页面中的元素，然后写标签名，然后用谓词进行提取。如：
//div[@class='abc']

注意：
1./和//的区别： /只获取子节点 ， //获取子孙节点
一般//用的较多 视情况而定

2.contains：有时某个属性包含了多个值，那么可以使用contains函数如：
//div[contains(@class,'job_detail')]

3.谓词中的下标是从1开始的 不是从0开始的

4.使用lxml解析HTML代码：
解析html字符串：使用lxml.etree.HTML进行解析，如:
htmlElement = etree.HTML(text)
print(etree.tostring(htmlElement,encoding='utf-8').decode('utf-8'))

解析HTML文件： 使用lxml.etree.parse进行解析
htmlElement = etree.parse("Tencent.html")
print(etree.tostring(htmlElement,encoding='utf-8').decode('utf-8))

这个函数默认的是xml解析器，如果碰到不规范的HTML代码就会解析错误
这时需要自己创建HTML解析器，如：
parser = etree.parserHTML(encoding='utf-8')
htmlElement = etree.parse("Lagou.html")
print(etree.tostring(htmlElement,encoding='utf-8').decode('utf-8))

转载于:https://www.cnblogs.com/zhouchao123/p/9627068.html