xpath学习笔记

xpath

xpath是在XML文件中搜索内容的一门语言，html是xml的一个子集

from lxml import etree

tree=etree.HTML("")#引号内填入html文档
tree=etree.XML("")#引号内填入XML文档

查找方式

可以通过tree进行查找

tree.xpth()

括号内的参数按照/root/point1/point2类似文件目录的格式，于是我们可以很容易的从html文件的根节点开始找到我们想要的节点

在同一级中可能会存在多个同类节点

• 可以用point[1]的方式指定是查找第几个，注意下标从1开始
• 可以用point[@属性='属性值']的方式筛选

另外

• 可以在节点路径中使用//,例如/root//point2,这样会查找到root节点下所有的point2节点，此时不管在point2和roo之间有没有其他节点都能找到所有的point2节点
• 可以在节点路径中使用*,例如/root/*/point2,*是通配符，表示匹配任意节点，所以此时会查找到root的所有子节点中的point2节点，需要注意的是，此时如果直接存在于root节点下point2节点不会被查找到，因为他们之间没有节点用于匹配通配符*
• 可以在节点路径中使用text()获取节点中的内容，例如html/body/h1/text(),这样就会获得对应的h1标签中的文本信息
• 在从已经获取到的子节点继续查找时，使用相对查找的方式./xxx
• 在获取节点属性时使用@属性的方式，例如./@href

---

2023.3.19