爬虫002

xml：可扩展标记语言

使用场景：

1.跨平台，2.异构客户端，3.作为项目数据源，

4.作为页面的数据源，5.作为框架的配置文件

xml和json：

1.都是用来传输和存储数据

2.xml是以标签形式存在的，json是纯数据

3.xml文件比json传输时要大，所以传输占用资源，速度慢

4.xml需要解析，浪费时间

    xml:

           <person>

                    <name>张三</name>

                    <age>19</age>

          </person>

  json:[{'person1':{'name':'张三', 'age':'19'}}]

xml和html:

1.xml是重在传输，html是重在显示

2.xml基本没有预定义标签，html基本都是预定义标签

3.xml在特定的场景需要约束

DTD，schema，<![CDATA[数据]]>

选取节点：XPath 使用路径表达式来选取 XML 文档中的节点戒者节点集。

/，//，点，点点，@

谓语（Predicates）：谓语用来查找某个特定的节点戒者包含某个指定的值的节点，被嵌在方括号中

book[1]，book[ last() ]，book[ last() - 1 ]，book[ position() < 3 ]，

title[@lang]，title[@lang="eng]，

book[price>35.00]，book[price>35.00]/title，

//title[ contains(@lang)，"e" ]

选取未知节点：*，  @*，   node()

选取若干路径：|

XPath 的运算符：

|   计算两个节点集（//book  |  //cd返回所有拥有book和cd元素的节点）

+， -，*，div除，

=，！=，<，<=，>，>=，

or或，and与，mod余数 

/school ：从根节点的位置开始选取

/school/python ：选取python节点 

/school//class：选取所有的class节点，子孙节点   //school

.     ：选取当前节点

.  .  ：选取当前节点的父节点

@：选取属性

选取每个每个班级所在的教室 /school//class/@addr，//class/@addr

选取u3d下第一个class节点：/school/u3d/class[1]（从1开始）

选取u3d下最后一个class节点：/school/u3d/class[  last() ]

选取u3d下倒数第二个class节点：/school/u3d/class[  last() - 1]

前两个：/school/u3d/class[ position<3 ]

查找教室等于研发一：/school//class[ @addr="研发一 " ]

/school//class[ @addr ]

属性lang包含e字符：//title[  contains(@lang，“e”) ]

*       匹配任何元素节点

@*   匹配任何属性的节点

node()  匹配任何类型的节点

//book/title |  //book/price  选取book下面的title节点和price节点

//book |  //price   文档中