xpath知识点

下面一段程序是从http://blog.csdn.net/lizhongkan页面抽取博客标题的python脚本:

import urllib
import urllib2
from lxml import etree

# 由于csdn不允许直接urllib2.urlopen抓取页面(否则返回403),故这里需要设定UserAgent。
class CsdnLoader(urllib.FancyURLopener):
    version = "Mozilla/5.0 (Windows; U; Windows NT 5.1; it; rv:1.8.1.11) Gecko/20071127 Firefox/2.0.0.11"

url = "http://blog.csdn.net/lizhongkan"
loader = CsdnLoader()
text = loader.open(url).read()
#print text

html = etree.HTML(text)

spans = html.xpath("//span[@class='link_title']/a[@title]")
for a in spans:
    print a.text


这段xpath表达式"//span[@class='link_title']/a[@title]"的意思是:

1. "//span[@class='link_title']"意思就是找出页面所有属性class等于link_title的span元素。

2. "//span[@class='link_title']/a[@title]"的意思就是:在满足条件1的span元素下的拥有title属性的所有a标签。


  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 2
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值