本文介绍了在Python中使用lxml库解析HTML并利用xpath进行节点定位的方法。通过对比jQuery和正则表达式，强调了xpath在处理复杂页面结构时的优势。文章提供了一个示例，演示如何通过xpath找到特定内容，并解释了基本的xpath语法，包括节点定位、属性过滤、文本获取等。
在进行网页抓取的时候，分析定位html节点是获取抓取信息的关键，目前我用的是lxml模块(用来分析XML文档结构的，当然也能分析html结构)， 利用其lxml.html的xpath对html进行分析，获取抓取信息。
首先，我们需要安装一个支持xpath的python库。目前在libxml2的网站上被推荐的python binding是lxml，也有beautifulsoup，不嫌麻烦的话还可以自己用正则表达式去构建，本文以lxml为例讲解。
假设有如下的HTML文档:
1 <html>
2 <body>
3 <form>
4 <div id='leftmenu'>
5 <h3>text</h3>
6 <ul id=’china’><!-- first location -->
7 <li>...</li>
8 <li>...</li>
9 ......
10 </ul>
11 <ul id=’england’><!-- second location-->
12 <li>...</li>
13 <li>...</li>
14 ......
15 </ul>
16 </div>
17 </form>
18 </body>
19 </html> 
最低0.47元/天 解锁文章
621
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
