XPath,XML Path Language。是一种小型的查询语言,是一门在XML文档中查找的语言。
优点:可以在XML中查找信息;支持HTML的查找;可通过元素和属性进行导航。
XPath的树形结构:
使用Xpath选取节点
表达式 | 描述 |
---|---|
nodename | 选取此节点的所有子节点 |
/ | 从根节点选择 |
// | 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 |
/text() | 获取当前路径下的文本内容 |
/@xxx | 获取当前路径下标签的属性值 |
|可选符:可选取若干个路径//p|//div,在当前路径下选取所有符合条件的p标签和div标签
表达式 | 描述 |
---|---|
xpath(’/body/div[1]’) | 选取body下第一个div节点 |
xpath(’/body/div[last()]’) | 选取body下最后一个div节点 |
xpath(’/body/div[last(-1)]’) | 选取body下倒数第二个div节点 |
xpath(’/body/div[position()<4]’) | 选取body下前三个div节点 |
xpath(’/body/div[@class]’) | 选取body下带有class属性的div节点 |
xpath(’/body/div[@class=“main”]’) | 选取body下class属性为main的div节点 |
xpath(’/body/div[price>35.00]’) | 选取body下price元素大于35的div节点 |
案例:爬取小说楼首页小说和作者
import requests
from lxml import etree
url = "https://www.xslou.com"
headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/88.0.4324.182 Safari/537.36 Edg/88.0.705.81"}
resp = requests.get(url, headers=headers)
resp.encoding = 'GBK'
e = etree.HTML(resp.text) # 类型转换 将str型转换成<class 'lxml.etree._Element'>
# print(type(e))
names = e.xpath('//div[@class="wl"]/ul[@class="sortimg"]/li/p/a/text()')
authors = e.xpath('//div[@class="wl"]/ul[@class="sortimg"]/li/a/b/text()')
for name, author in zip(names,authors):
print(name+":"+author)