【爬虫基础】CSS选择器，XPath选择器

XPath

什么是XPath？

• xpath（XML Paht Language）是一门在XML和HTML文档中查找信息的语言，可用来在XML和HTML文档中对元素和属性进行遍历。

XPath开发工具

• Chrome插件XPath Helper。
• Fiefox插件Try XPath

XPath节点

• 在XPath中，有7类节点：元素，属性，文本，命名空间，处理指令，注释以及文档（根）节点。XML文档是被作为节点树来对待的。树的根被称为文档节点或者根节点。

XPath语法

• 最常用的表达式

表达式	描述
/	从根节点选取。或者是元素和元素间的过度
//	从匹配选择的当前节点选择文档中的节点，而不考虑他们的位置
.	选取当前节点
. .	选取当前节点的父节点
@	选取属性
text()	选取文本

• 路径表达式以及表达式的结果

表达式	结果
bookstore	选择bookstore元素
/bookstore	选取根元素bookstore。注释：假如路径起始于正斜杠（/），则此路径始终代表到某元素的绝对路径
bookstore/book	选取所有book子元素，而不管它们位于bookstore之下的什么位置
//book/title/@lang	选择所有的book下面的title中的lang属性的值
//book/title/text()	选择所有的book下面的title文本
/bookstore/*	选取bookstore元素的所有子元素
//*	选取文档中所有的元素
//title[@*]	选取所有带属性的title元素

• 选取未知节点

通配符	描述
*	匹配任何元素节点
@*	匹配任何属性节点
node()	匹配任何类型的节点

案例

html_str = """
        <div> 
            <ul> 
                <li class="item-1">
                    <a href="link1.html">第一个</a>
                </li> 

                <li class="item-2">
                    <a href="link2.html">第二个</a>
                </li> 

                <li class="item-3">
                    <a href="link3.html">第三个</a>
                </li> 

                <li class="item-4">
                    <a href="link4.html">第四个</a>
                </li> 

                <li class="item-5">
                    <a href="link5.html">第五个</a> 
                </li>
            </ul>
        </div>
"""
import parsel
# 转换数据类型
# 把 html 字符串数据转换成一个 Selector 对象
# Selector 就具有一系列数据解析的方法  css/xpath/re
data = parsel.Selector(html_str)