xpath解析:最常用且最便捷高效的一种解析方式。通用性。
xpath解析原理:
- 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。
- 调用etree对象中的xpath方法结合着xpath表达式实现标签的定位和内容的捕获。
如何实例化一个etree对象:
- 将本地的HTML文档中的源码数据加载到etree对象中:etree.parse(filePath)
- 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。
- //:表示的是多个层级。可以表示从任意位置开始定位。
- 属性定位:tag[@attrName=‘attrValue’]
- 索引定位:tag[@attrName=‘attrValue’]/tag[]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()标签中非直系的文本内容(所有的文本内容)
- 取属性:/@attrName