python xpath使用

xpath

xpath介绍

• 概念 —— 一种XML查询语言，在XML文档中通过元素和属性进行导航
  • XML概念 —— 一种标记语法的文本格式
• lxml模块 —— 包含将html文本转成xml对象，和对对象执行xpath功能

xml文档节点

<bookstore>
	<book>
		<title lang='eng'>Harry Potter</title>
		<author>JK.Rowing</author>
		<year>2005</year>
		<price>29</price>
	</book>
</bookstore>

• 文档节点 —— <bookstore>
• 元素节点 —— <title>、<author>、<year>、<price>
• 属性节点 —— lang=‘eng’
• book节点是title、author、year、price的父节点
• title、author、year、price节点是book的子节点
• title、author、year、price节点是同胞

xpath工具

• chrome内核使用xpath help工具
• firefox内核使用xpath checker

xpath工具的使用

表达式	含义
/	从根节点选取
//	从匹配选择的当前节点选择文档中的节点，而不考虑他们的位置（搜索全部）
.	选取当前节点
. .	选取当前节点的父节点
@	选取属性
text()	获取文本内容

• []字符 —— 用来查找某个特定的节点或包含某个特定值的节点

表达式	结果
/bookstore/book[x]	选取属于bookstore子元素的第x个book元素
/bookstore/book[last()]	选取属于bookstore子元素的最后一个book元素
/bookstore/book[last()-x]	选取属于bookstore子元素的倒数第x+1个book元素
/bookstore/book[position()<x]	选取属于bookstore子元素的最前面x-1个book元素
//title[@lang]	选取所有title元素中拥有名为lang的属性的值
//title[@lang=‘eng’]	选取所有title元素中拥有值为eng的lang属性
/bookstore/book[price>35]	选取bookstore元素里所有price元素值大于35的book元素

lxml模块

• 简介 —— 一个HTML/XML的解析器，主要功能是解析和提取HTML/XML内容，需使用lxml模块内的etree模块

• 模块导入（etree）：
  from lxml import etree

使用方法

• etree模块只能操作Element对象

  • 字符串转换为Element对象方法：
    etree.HTML(str)

• xpath表达式使用

  • Element对象.xpath(‘xpath表达式’）