java爬虫工具xpath提取_爬虫 xpath (数据提取)

xpath 是数据提取的一种常用的方法

XPath 是一门在 XML 文档中查找信息的语言。XPath 用于在 XML 文档中通过元素和属性进行导航。

在 XPath 中，有七种类型的节点：元素、属性、文本、命名空间、处理指令、注释以及文档(根)节点。XML 文档是被作为节点树来对待的。树的根被称为文档节点或者根节点。

选取节点

XPath 使用路径表达式在 XML 文档中选取节点。节点是通过沿着路径或者 step 来选取的。

下面列出了最有用的路径表达式：

nodename

选取此节点的所有子节点。

/

从根节点选取。

//

从匹配选择的当前节点选择文档中的节点，而不考虑它们的位置。

.

选取当前节点。

..

选取当前节点的父节点。

@

选取属性。

操作步骤:

一、引入

from lxml.html import etree

二、创建文档树

html_obj = etree.HTML(html, parser=HTMLParser(encoding='utf-8'))

def HTML(text, parser=None, base_url=None): #real signature unknown; restored from __doc__

"""HTML(text, parser=None, base_url=None)

Parses an HTML document from a string constant. Returns the root

node (or th