Xpath基础

1.什么是xpath

XPath是一门在XML文档中查找信息的语言

2.xpath中的节点关系

例子：

<bookstore>

<book>

        <title>HarryPotter</title>

        <author>JK.Rowling</author>

        <year>2022</year>

        <price>1</price>

</book>

</bookstore>

1.父（Parent）

每个元素以及属性都有一个父。

在例子中，book元素是title、author、year以及price元素的父：

2.子（Children）

元素节点可有零个、一个或多个子。

在例子中，title、author、year以及price元素都是book元素的子：

3.同胞（Sibling）

拥有相同的父的节点

在例子中，title、author、year以及price元素都是同胞：

4.先辈（Ancestor）

某节点的父、父的父，等等。

在例子中，title元素的先辈是book元素和bookstore元素：<bookstore>

5.后代（Descendant）

某个节点的子，子的子，等等。

在例子中，bookstore的后代是book、title、author、year以及price元素：

3.节点的选取

 

4.Xpath语法

from lxml import etree
wb_data='''
        <div>
            <ul>
                 <li class="item-0"><a href="link1.html">first item</a></li>
                 <li class="item-1"><a href="link2.html">second item</a></li>
                 <li class="item-inactive"><a href="link3.html">third item</a></li>
                 <li class="item-1"><a href="link4.html">fourth item</a></li>
                 <li class="item-0"><a href="link5.html">fifth item</a> # 注意，此处缺少一个 </li> 闭合标签
             </ul>
         </div>
        '''
#解析字符串为html对象，自动补全html，body
html=etree.HTML(wb_data)

#解析数据，a标签的文本
#写法一：text属性
data1=html.xpath('/html/body/div/li/a')
for i in data1:
    print(i.text)
#写法二：text（）函数
data2=html.xpath('//a/text()')
print(data2)

#解析文件：html文件，但是自定义解析器，因为etree默认是xml解析器
#自定义解析器
parser=etree.HTMLParser('utf-8')
#解析html的文件为html的对象
html2=etree.parse('123.html',parser=parser)

#将对象html2变为字符串，解码，打印输出
# html_data=etree.tostring(html2,pretty_print=True)
# res=html_data.decode('utf-8')
# print(res)

#任意匹配
# data3=html.xpath('//*')
# for i in data3:
#     if hasattr(i,'text'):
#         print(i.text)

#打印电影名字
data4=html2.xpath('//div[@title]')
for i in data4:
    #. 当前节点div，寻找title属性
    title=i.xpath('./@title)')
    #寻找当前节点文本
    desc=i.xpath('./')
    print(title,'\t\t\t\t',desc)