XPath库的用法

XPath解析库的基本用法

XPath介绍

XPath全称XML Path Language(XML路径语言),是一门在XML文档中查找信息的语言,同样可查找HTML文档.
所以在写爬虫时可使用XPath来做相应的信息提取. (使用XPath需安装lxml库)

XPath常用规则

• // 从当前节点选取子孙节点
• / 从当前节点选取直接子节点
• . 选取当前节点
• … 选取当前节点的父节点
• @ 选取属性

基本用法

• 构造XPath解析对象

from lxml import etree
text = '''一段HTML文本'''
html = etree.HTML(text) #html即为XPath解析对象

#也可导入文件
html = etree.parse('html文件位置',etree.HTMLParser())

• 选取所有节点
  用//开头的XPath规则选取所有符合要求的节点,得到的结果是一个列表.

result = html.xpath('//*')