02 网页解析语法 Xpath

        一般来说，我们在浏览器输入某个网站的网址，就会展现出一个精致的网页，其实这是经过浏览器的解析过了的，原本的网页文件是html文件来的，里面有着许多标签和文本内容，而我们想要获得的文本内容就在这些标签中，如果我们想要获得网页中需要的文本，就要去定位需要的文本在哪些标签中，并且定位这些标签又在整个网页结构的哪个位置，这样才是我们获取数据的整套流程

语法

提取网页中的核心信息方法有三种：正则、bs4（BeautifulSoup4）、xpath

三种提取语法各有各的好处，这里只用xpath，因为可以搭配我们的谷歌插件xpath-helper使用，其实掌握一种就足够了，多了，反而会弄混乱。

Xpath语法

1 标签路径

 绝对路径（// 为绝对路径）

语法	含义
//div	获取整个网页中的div标签
//a	获取整个网页中的a标签

 相对路径（./为相对路径）

语法	含义
./div	可以理解为获取某个标签中的div标签，这时就可以用相对路径
./a	可以理解为获取某个标签中的div标签，这时就可以用相对路径

2、标签查找

1.通过绝对/相对路径查找标签

语法	含义
//span/span/a	获取整个网页中的span标签下的span标签下的a标签
//li/div/a	获取整个网页中的li标签下的div标签下的a标签

2.查找属性，有时我们需要筛选特定的标签

格式：

标签名[@属性名=属性值]

比如：

语法	含义
//a[@class="j_th_tit"]	获取整个网页中的class属性值为j_th_tit的a标签
//span/a[@class="frsauthor"]	获取整个网页中的span标签下的class属性值为j_th_tit的a标签

3、读取标签中的属性值

格式：

标签名/@属性名

比如（a链接的href属性，img图片的src属性）：

语法	含义
//a[@class="j_th_tit"]/@href	获取整个网页中的class属性值为j_th_tit的a标签的href属性值
//img/@src	获取整个网页中的img标签的src属性值

4、获取内容

有时我们想要获取的数据不在标签的属性值中，而是在标签之间，比如：<div>Hello Word</div>

格式：

标签名/text()

比如：

语法	含义
//a/text()	获取整个网页中的a标签之间的内容