Xpath学习笔记

from lxml import etree
import os
os.path.abspath('.')
text='''
<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">third item</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>
     </ul>
 </div
'''
html = etree.HTML(text)#也可以读取文本文件 html=etree.parse('.text',etree.HTMLParser())
result = etree.tostring(html)#tostring()输出被补全过的网页。
print(result.decode('utf-8'))


result = html.xpath('//li')#//选中
print(result)
print(result[0])

result= html.xpath('//li/a')#li之中的a（直接子节点。
print(result)

result= html.xpath('//ul//a')#ul中的所有a（不是直接子节点

result = html.xpath('//a[@href="link4.html"]/../@class')#@选取属性，。。选取父节点[这里是属性匹配，是限制]
print(result)

#文本获取
result = html.xpath('//li[@class="item-0"]/a/text()')
print(result)

#属性获取
result = html.xpath('//li/a/@href')


#若属性里有很多值，可以使用contains()来选取包含某属性的所有节点

#多属性匹配

text1 = '''
<li class="li li-first" name="item"><a href="link.html">first item</a><li>
'''
html1 = etree.HTML(text1)
result = html1.xpath('//li[contains(@class,"li") and @name="item"]/a/text()')#选取即包含li属性，而且name=item的a节点的文本，用的and连接。
print(result)

#按序选择(使用索引),比如下面在众多li节点中把需要的给取出来
result = html.xpath('//li[1]/a/text()')
print(result)
result = html.xpath('//li[last()]/a/text()')
print(result)
result = html.xpath('//li[position()<3]/a/text()')
print(result)
result = html.xpath('//li[last()-2]/a/text()')
print(result)



#使用节点器选择节点
result = html.xpath('//li[1]/ancestor::*') #ancestor是选父亲节点，*是所有。
print(result)
result = html.xpath('//li[1]/ancestor::div')#选标签为div的父亲节点。
print(result)
result = html.xpath('//li[1]/attribute::*')#获取本节点的所有属性
print(result)
#类似，child是选直接子节点，descendant是获取所有子节点，following是获取当前节点后的所有节点，，following-sibling 是获取当前节点之后的同级节点。

遇到了从文件读取text那报错，而且不会解决，群里面说是为了方便才写./的，但还是不咋懂，以后再看。