python 爬虫 xpath 学习笔记

-xpath 解析原理：

        ——1.实例化一个etree的对象，且需要将 被解析的页面源码数据加载到该对象中。

        ——2.调用etree对象中的 xpath方法结合着xpath表达式实现标签的定位与内容的捕获。

 -环境的安装：

        ——pip inistall lxml

-如何实例化一个 etree对象:

        ——1.将本地的html文件中的源码数据加载到etree对象中：

                        etree.parse(filePath)

        ——2.可以将从互联网上获取的源码数据加载到该对象中

                        etree.HTML('page_text')

        ——xpath('xpath表达式'）

-xpath表达式：

        —— /：表示的是从根节点开始定位。表示的是一个层级。 

                    

        ——  //：表示多个层级。可以表示从任意位置开始定位

            

        —— 属性定位： //div[@class= "song"]    

            

        ——索引定位 ：//div[@class ="song"]/p[3]  索引是从1开始的。

        

        ——取文本： 

                - /text（）   获取的是标签中直系的文本内容

                - //text（） 获取的是标签中 非直系的文本内容（所有的文本内容）

          

        ——取属性：

                /@attrName          (下图 取照片的网址  @src)