xpath介绍
基本概念
- xpath(XML Path Language)是一种XML的查询语言,他能在XML树状结构中寻找节点。Xpath用于在XML文档中通过元素和属性进行导航。
- xml是一种标记语法的文本格式,xpath可以方便定位xml中的元素和其中的属性值。lxml是python中的一个第三方模块,它包含了将html文本转换成xml对象,和对对象执行xpath的功能。
结点的关系
xml_content = '''
<bookstore>
<book>
<title lang='eng'>Harry Potter</title>
<author>JK.Rowing</author>
<year>2005</year>
<price>29<price>
</book>
</bookstore>
'''
上面的XML文档中的节点例子:
- 父(Parent)book元素是title、author、year、price元素的父
- 子(Children)title、author、year、price都是book元素的子
- 同胞(Sibling)title、author、year、price都是同胞
- 先辈(Ancestor)title元素的先辈是book元素和bookstore元素
基本使用
工具安装
安装参考网站 https://blog.csdn.net/qq_31082427/article/details/84987723
查找某个特定的节点或者包含某个指定的值的节点
模块的使用
在Python中,我们安装一个HTML/XML的解析器,主要的功能是如何解析和提取HTML/XML数据利用etree.HTML,将字符串转化为Element对象。
lxml python官方文档:http://lxml.de/index.html
可使用pip安装:pip install lxml
lxml可以自动修正html代码
wb_data = """
<div>