Xpath的介绍

今日语：实在是不明白xpath的语法，边参考边记录吧~

一.Xpath的概念：

1. 它使用路径表达式在XML文档中进行导航
2. 包含一个标准数据库
3. 是XSLT中的 主要元素
4. 是W3C的标准

二.Xpath的节点

共有七种类型的节点：元素、属性、文本、命名空间、处理指令、注释以及根节点

• 而XML文档是被当做节点树看待，所以之前还是要认真了解XML的相关知识；而树的根是根节点。下面是一个XML文档：
  
<?xml version="1.0" encoding="ISO-8859-1"?>
<bookstore> -------------------------------------------->文档节点
<book>
<title lang="en">Harry Potter</title> -----<lang="en">---属性节点
<author>J K. Rowling</author> ------------------------>元素节点
<year>2005</year>
<price>29.99</price>
</book>
</bookstore>
• 节点关系：其实就像我们在生活中的亲戚关系，一层层滴~(简图)
  
• Xpath的语法：是通过路径表达式来选取XML文档中的节点或者节点集。
  用表格表达一下：
  
  
  带有谓语的表达式列表：
  

三、来个实例看看吧~这个是另外放在.html(我这里是hi.html)文件中的

<div>
    <ul>
         <li class="item-0"><a href="link1.html">first item</a></li>
         <li class="item-1"><a href="link2.html">second item</a></li>
         <li class="item-inactive"><a href="link3.html"><span class="bold">third item</span></a></li>
         <li class="item-1"><a href="link4.html">fourth item</a></li>
         <li class="item-0"><a href="link5.html">fifth item</a></li>
     </ul>
 </div>

四、用代码实现一下：

from lxml import etree


#读取外部文件
html = etree.parse('./hi.html')
#转换类型
result = etree.tostring(html)
#转换成html代码
html = etree.HTML(result)
#最后转换成string类型
result = etree.tostring(html)
print(result.decode("utf-8"))

#1.显示etree.parse()返回类型
print("---1",type(html))

#2.打印<li>标签的元素集合
result = html.xpath('//li')
print("---2",result)

#3.继续获取<li> 标签的所有 class属性
result = html.xpath('//li/@class')
print("---3",result)

#4.继续获取<li>标签下hre f为 link1.html 的 <a>标签
result = html.xpath('//li/a[@href="link1.html"]')
print("---4",result)

#5.获取<li> 标签下的所有 <span> 标签
result = html.xpath('//li//span')
print("---5",result)

#6.获取最后一个 <li> 的 <a> 的 href
result = html.xpath('//li[last()]/a/@href')
print("---6",result)

#7.获取倒数第二个元素li的内容,也就是fourth item
result = html.xpath('//li[last()-1]/a/text()')
print("---7",result)

#8.获取 class 值为 bold 的标签名
result = html.xpath('//*[@class="bold"]')
print("---8",result)

效果图依次：

总结一下：在hi.html文件中是没有头标签的，当写入此代码：（html = etree.HTML(result)）的时候，会自动加入html标签，有截图可看到

详细请看：

W3School官方文档：http://www.w3school.com.cn/xml/index.asp
W3School官方文档：http://www.w3school.com.cn/xpath/index.asp