什么是xpath?
xpath指的是使用路径表达式在 XML 文档中查找信息的语言。
初步了解xpath
- xpath的七个节点术语:元素、属性、文本、命名空间、处理指令、注释以及文档(根)节点。
- 每个元素以及属性都有一个父节点。元素节点可有零个、一个或多个子节点。就好像每一片树叶都只能在一根树枝上,但每一根树枝却有很多树叶。以此类推,树干是所有树枝的先辈节点,同一根树枝下的两片不同树叶是同胞节点,大树枝上的小树枝上的树叶就是大树枝的后代节点。
- 前面说xpath是使用路径表达式来查找信息,其实获取信息的方式就是选取 XML 文档中的节点或节点集。节点是通过沿着路径 (path) 或者步 (steps) 来选取的。也就是说,你想找到一片叶子你需要从树主干找起,然后找到大树枝,然后看是在大树枝的第几个小树枝上,以此类推,从而找到你想要的获取的信息所在的节点或节点集。既然要选取节点,那肯定就有选取节点的方式了。
xpath在python中的应用
- 安装lxml库
pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple lxml
- 导入etree库,
from lxml import etree
text = '''
<div>
<ul>
<li class="item-0"><a href="www.baidu.com">baidu</a>
<li class="item-1"><a href="https://blog.csdn.net/qq_25343557">myblog</a>
<li class="item-2"><a href="https://www.csdn.net/">csdn</a>
<li class="item-3"><a href="https://hao.360.cn/?a1004">hao123</a>
'''
html = etree.HTML(text)
result = etree.tostring(html)
print(result.decode('UTF-8'))
3.解析网页
result1=etree.xpath('//*[@herf='www.baidu.com']')
print(result1)
xpath选取节点方法(语法)
- 最有用的路径表达式:
表达式 | 描述 |
---|---|
nodename | 选取此节点的所有子节点 |
/ | 从根节点选取。 |
// | 从匹配选择的当前节点选择文档中的节点,而不考虑它们的位置。 |
. | 选取当前节点。 |
. . | 选取当前节点的父节点。 |
@ | 选取属性。 |
* | 匹配任何元素节点 |
//* | 选取文档中的所有元素 |
比较常用到的路径表达式有:
//*[@元素属性=某某] #选取所有元素下元素属性为某某的节点下的信息。
/bookstore/book/title | //price #选取属于 bookstore 元素的 book 元素的所有 title 元素,以及文档中所有的 price 元素。
2.xpath轴,资料的说法是这样的:轴可定义相对于当前节点的节点集。按我的理解来说就是轴相当于就是一根红线,告诉你到此为止了。就是到现在这个节点可以了,够了。
常见的轴有:
轴名称 | 结果 |
---|---|
ancestor | 选取当前节点的所有先辈(父、祖父等)。 |
ancestor-or-self | 选取当前节点的所有先辈(父、祖父等)以及当前节点本身。 |
attribute | 选取当前节点的所有属性。 |
child | 选取当前节点的所有子元素。 |
descendant | 选取当前节点的所有后代元素(子、孙等)。 |
descendant-or-self | 选取当前节点的所有后代元素(子、孙等)以及当前节点本身。 |
following | 选取文档中当前节点的结束标签之后的所有节点。 |
following-sibling | 选取当前节点之后的所有兄弟节点 |
namespace | 选取当前节点的所有命名空间节点。 |
parent | 选取当前节点的父节点。 |
preceding | 选取文档中当前节点的开始标签之前的所有节点。 |
preceding-sibling | 选取当前节点之前的所有同级节点。 |
self | 选取当前节点。 |
我举一个使用例子:
//zly/parent::* #选取zly节点的所有父节点。
3.xpath可返回节点集、字符串、逻辑值以及数字。
xpath学习总结
xpath的使用要注意的就是路径节点的选取,节点选取的对不对关系着你能否获取到你想要的的信息。这就需要平时多多的运用,只有平时对xpath解析网页的多多使用,才能在有需要的时候能够快速的应用上去。