python爬虫-08-python爬虫使用xpath准确定位到页面中的某个内容

当我们爬取网页的时候,里面的数据是杂乱的,我们实际上只需要对应页面中的某些内容,那么我们如何将其筛选出来呢?我们使用xpath就可以准确的采集到我们需要的数据,从而摒弃那些对我们“无用”的数据。

1、安装xpath

推荐主流浏览器:Google浏览器

点击Google浏览器的扩展程序,然后再点击左上角的三个横杠,在弹出的页面中点击左下角的打开Chrome网上应用商店,如下图所示:

图片

然后在里面搜索XPath Helper,如下图所示:

图片

点击右边的安装即可,我这里是因为安装过,所以显示的是从Chrome中删除

安装完毕之后的效果如下,在浏览器右上角点击之后,界面如下(如果你安装完成之后,点击XPath Helper按钮没反应,刷新下页面即可,再次重开浏览器就不会有这样的问题):

图片

左边我们输入XPath语法之后,右边框就会显示出来具体筛选出来的数据。

2、Xpath语法

(1)选取节点

表达式描述示例结果
nodename选取此节点的所有子节点bookstore选取bookstore下所有的子节点
/如果是在最前面,代表从根节点选取。否则选择某节点下的某个节点/bookstore选取根元素下所有的bookstore节点
//从全局节点中选择节点,随便在哪个位置//book从全局节点中找到所有的book节点
@选取某个节点的属性//book[@price]选择所有拥有price属性的book节点
.当前节点./a选取当前节点下的a标签

(2)谓语

路径表达式描述
/bookstore/book[1]选取bookstore下的第一个子元素
/bookstore/book[last()]选取bookstore下的倒数第二个book元素。
bookstore/book[position()❤️]选取bookstore下前面两个子元素。
//book[@price]选取拥有price属性的book元素
//book[@price=10]选取所有属性price等于10的book元素

(3)通配符

通配符描述示例结果
*匹配任意节点/bookstore/*选取bookstore下的所有子元素。
@*匹配节点中的任何属性//book[@*]选取所有带有属性的book元素。

(4)多个路径选取

//bookstore/book | //book/title
# 选取所有book元素以及book元素下所有的title元素

(5)使用方法

咋看懂呢,如果说一个页面返回了很多内容,一点点去从上往下翻看也是比较麻烦的,其实我们可以使用浏览器快速定位到具体的XPath值,如下图:

(5.1)选中

浏览器访问到具体页面之后,右击选择检查,弹出如下界面;

图片

然后点击如下框中的内容:

图片

(5.2)复制

然后我们就会发现会跳到具体的html代码中,这个时候我们右击复制–复制Xpath,这个时候我们就获取到了我们想筛选出来的数据的具体XPath路径了;

比如我这里复制出来的值如下:

//*[@id="js_content"]/section[1]/blockquote[1]/p

我们可以使用浏览器中我们安装的Xpath Helper检查下,截图如下:

图片

至此,本文结束,更多相关内容,每日更新。

更多内容请转至VX公众号 “运维家” ,获取最新文章。

------ “运维家” ------
------ “运维家” ------
------ “运维家” ------

linux卸载硬盘,win7共享linux,linuxgdal安装,Linux7忘记密码,linux怎么进入文件的子目录,高通开源代码linux,linuxusr大小,重启服务器的linux命令,linux的jdk怎么安装啊;
linuxtar文件打不开,linux常用状态检测,linux成功开机界面,linux七种文件,linux命令,Linux+删除数据的命令,linux自动监听重启服务器,如何快速担任linux运维,Linux返回到波浪线,linux大数据架构搭建。

  • 1
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

运维家

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值