爬虫系列 | 第五讲数据提取之XPath

最新推荐文章于 2024-05-12 13:42:29 发布

Eric Sang

最新推荐文章于 2024-05-12 13:42:29 发布

阅读量473

点赞数

分类专栏：爬虫文章标签：爬虫

本文链接：https://blog.csdn.net/ry1026/article/details/100185057

版权

这篇博客介绍了XPath在XML和HTML中的应用，详细讲解了XPath语法，包括定位节点、选取未知节点、谓语、路径选择等，并通过lxml库展示了在Python中如何使用XPath进行数据提取。同时，提供了XPath的开发工具和一个爬虫实例，演示了如何利用XPath爬取百度贴吧的图片。

摘要由CSDN通过智能技术生成

1. 什么是Xpath？

XPath 全程为XML路径语言（XML Path Language），是一门在 XML 文档中查找信息的语言，即能够用来确定XML文档中某部分的位置，进一步可用来在 XML 文档中对元素和属性进行遍历。
https://www.w3school.com.cn/xpath/index.asp

2.什么是 XML？

XML 是指可扩展标记语言（EXtensible Markup Language）；
XML 被设计用来传输和存储数据；
XML 的设计宗旨是传输数据，而非显示数据；
XML 的标签需要我们自行定义；
XML 被设计为具有自我描述性；
XML 是 W3C 的推荐标准；
XML 被设计为传输和存储数据，其焦点是数据的内容。HTML 被设计用来显示数据以及如何更好显示数据。

2.1 XML 文档示例

<?xml version="1.0" encoding="utf-8"?>

<bookstore> 

  <book category="cooking"> 
    <title lang="en">Everyday Italian</title>  
    <author>Giada De Laurentiis</author>  
    <year>2005</year>  
    <price>30.00</price> 
  </book>  

  <book category="children"> 
    <title lang="en">Harry Potter</title>  
    <author>J K. Rowling</author>  
    <year>2005</year>  
    <price>29.99</price> 
  </book>  

  <book category="web"> 
    <title lang="en">XQuery Kick Start</title>  
    <author>James McGovern</author>  
    <author>Per Bothner</author>  
    <author>Kurt Cagle