import lxml
from lxml import etree
htmlfiel='''
<html>
<body>
<ul>
<li class="item-0"><a href="link0.html">first item1</a></li>
<li class="item-1"><a href="link1.html">first item2</a></li>
<li class="item-2"><a href="link2.html">first item3</a></li>
<li class="item-3"><a href="link3.html">first item4</a></li>
<li class="item-4"><a href="link4.html">first item5</a></li>
</ul>
</body>
</html>
'''
mytree=etree.HTML(htmlfiel)
print(etree.tostring(mytree).decode())
# 打印节点
print(mytree.xpath('/html'))
#返回的是一个列表,里面是一个Element
print(mytree.xpath('//ul'))
# 返回的是一个列表,里面是一个Element
print(mytree.xpath('/html/body/ul/li'))
# 取html下的body的ul的li元素
print(mytree.xpath('//ul/li'))
# 取ul下的所有的li元素
print(mytree.xpath('//li/a/text()'))
# 取到所有li下面的a标签的内容,返回的是个列表
print(mytree.xpath('//li[1]/text()'))
# 取第一个li的内容,xpath的是从1开始的,不是从0开始的
print(mytree.xpath('//li[@class]'))
# 取所有有class属性的li
print(mytree.xpath('//li[@id]/a/text()'))
# 取所有的有id属性的li里的a标签的内容
print(mytree.xpath('//li[@id="li2"]/a/text()'))
#有id="li2"的属性的li的a标签的内容
print(mytree.xpath('//li/@class'))
# 所有的li的class属性的名称
print(mytree.xpath('//*'))
# 取得文档中所有的节点
print(mytree.xpath('//*/@*'))
# 取所有的节点的所有属性的值
print(mytree.xpath('//ul/li[1]/@class'))
# 取ul下的第一个li的class的值
print(mytree.xpath('//li[last()-1]/a/text()'))
# 取倒数第二个li的a的内容
print(mytree.xpath('//li[position()>=3]/a/text()'))
# 取位置大于等于3的li的a中的内容
python爬虫中xpath的用法
最新推荐文章于 2023-05-05 14:25:21 发布