xpath以某个字符开始_NO.9 使用Selector提取数据——XPath

XPath 即 XML 路径语言(XML Path Language)，它是一种用来确定 xml 文档中某部分位置的语言。

xml 文档( html 属于 xml )是由一系列节点构成的树，例如：

      

Hello Python

      Click here    

  

xml 文档的节点有多种类型，其中最常用的有以下几种：

• 根节点 整个文档树的根。
• 元素节点 html、body、div、p、a。
• 属性节点 href。
• 文本节点 Hello Python、Click here。

节点间的关系有以下几种：

• 父子 body 是 html 的子节点，p 和 a 是 div 的子节点，反过来 div 是 p 和 a 的父节点。
• 兄弟 p 和 a 为兄弟节点。
• 祖先/后裔 body、div、p、a 都是 html 的后裔节点；反过来 html 是 body、div、p、a 的祖先节点。

01 基础语法

以下表格列出了 XPath 常用的基本语法。

接下来，我们通过一些例子展示 XPath 的使用。

首先创建一个用于演示的 html 文档，并用其构造一个 HTMLResponse 对象：

>>> from scrapy.selector import Selector>>> from scrapy.http import HtmlResponse>>> body = '''... ...     ...             ...             Hello Scrapy...     ...     ...             

... Name:Image 1 ... Name:Image 2 ... Name:Image 3 ... Name:Image 4 ... Name:Image 5 ...

... ... ... '''>>> >>> response = HtmlResponse(url="http://www.example.com",body=body,encoding='utf8')

• /: 描述一个从根开始的绝对路径。

>>> response.xpath('/html')[]>>> response.xpath('/html/head')[]