Xpath语法
Xpath(XML Path Language)是一门在XML文档中查找信息的语言,可用来在XML文档中对元素和属性进行遍历。
一、Xpath 简介
1、什么是XPath?
(1) XPath 使用路径表达式在 XML 文档中进行导航
(2) XPath 包含一个标准函数库
(3) XPath 是 XSLT 中的主要元素
(4) XPath 是一个 W3C 标准
2、XPath 路径表达式
XPath 使用路径表达式来选取 XML 文档中的节点或者节点集。这些路径表达式和我们在常规的电脑文件系统中看到的表达式非常相似。
3、XPath 标准函数
XPath 含有超过 100 个内建的函数。这些函数用于字符串值、数值、日期和时间比较、节点和 QName 处理、序列处理、逻辑值等等。
二、XPath 节点
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、注释以及文档节点(或称为根节点)。
1、XPath 术语
(1) 节点(Node)
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。
请看下面这个 XML 文档:
<?xml version="1.0" encoding="ISO-8859-1"?>
<bookstore>
<book>
<title lang="en">Harry Potter</title>
<author>J K. Rowling</author>
<year>2005</year>
<price>29.99</price>
</book>
</bookstore>
上面的 XML 文档中的节点例子:
<bookstore> (文档节点)
<author>J K. Rowling</author> (元素节点)
lang="en" (属性节点)
( 2) 基本值(或称原子值,Atomic value)
基本值是无父或无子的节点。
最基本的例子:
J K. Rowling
"en"
(3) 项目(Item)
项目是基本值或者节点。
2、节点关系
(1) 父(Parent)
每个元素以及属性都有一个父。
在下面的例子中,book 元素是title、author、year 以及 price 元素的父:
<book>
<title>Harry Potter</title>
<author>J K. Rowling</author>
<year>2005</year>
<price>29.99</price>
</book>
(2) 子(Children)
元素节点可有零个、一个或多个子。
在下面的例子中,title、author、year 以及 price 元素都是 book 元素的子:
<book>
<title>Harry Potter</title>
<author>J K. Rowling</author>
<year>2005</year>
<price>29.99</price>
</book>
(3) 同胞(Sibling)
拥有相同的父的节点。
在下面的例子中,title、author、year 以及 price 元素都是同胞:
<book>
<title>Harry Potter</title>
<author>J K. Rowling</author>
<year>2005</year>
<price>29.99</price>
</book>
(4) 先辈(Ancestor)
某节点的父、父的父,等等。
在下面的例子中,title 元素的先辈是 book 元素和 bookstore 元素:
<bookstore>
<book>
<title>Harry Potter</title>
<author>J K. Rowling</author>
<year>2005</year>
<price>29.99</price>
</book>
</bookstore>
(5) 后代(Descendant)
某个节点的子、子的子,等等。
在下面的例子中,bookstore 的后代是 book、title、author、year 以及 price元素:
<bookstore>
<book>
<title>Harry Potter</title>
<author>J K. Rowling</author>
<year>2005</year>
<price>29.99</price>
</book>
</bookstore>
三、XPath 语法
XPath 使用路径表达式来选取 XML 文档中的节点或节点集。节点是通过沿着路径(path)或者步(steps)来选取的。
1、XML 实例文档
我们将在下面的例子中使用是个 XML 文档:
<?xml version="1.0" encoding="ISO-8859-1"?>
<bookstore>
<book>
<title lang="eng">Harry Potter</title>
<price>29.99</price>
</book>
<book>
<title lang="eng">Learning XML</title>
<price>39.95</price>
</book>
</bookstore>
2、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。
(1) 下面列出了最有用的路径表达式:
表达式 | 描述 |
---|---|
nodename | 选取此节点的所有子节点。 |
/ | 从根节点选取。 |
// | 从匹配选取则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。 |
(2) 实例:
在下面的表格中,我们已列出了一些路径表达式以及表达式的结果:
路径表达式 | 结果 |
---|---|
bookstore | 选取 bookstore 元素的所有子节点。 |
/bookstore | 选取根元素 bookstore。 注释:假如路径起始于正斜杠(/),则此路径始终代表到某元素的绝对路径! |
bookstore/book | 选取属于 bookstore 的子元素的所有 book 元素。 |
//book | 选取所有 book 子元素,而不管它们在文档中的位置。 |
bookstore//book | 选择属于 bookstore 元素的后代的所有 book 元素,而不管它们位于 bookstore 之下的什么位置。 |
//@lang | 选取名为 lang 的所有属性。 |
3、谓语(Predicates)
谓语用来查找某个特定的节点或者包含某个指定的值的节点。
谓语被嵌在方括号中。
(1) 实例:
在下面的表格中,我们列出了带有谓语的一些路径表达式,以及表达式的结果:
路径表达式 | 结果 |
---|---|
/bookstore/book[1] | 选取属于 bookstore 子元素的第一个 book 元素。 |
/bookstore/book[last()] | 选取属于 bookstore 子元素的最后一个 book 元素。 |
/bookstore/book[last()-1] | 选取属于 bookstore 子元素的倒数第二个 book 元素。 |
/bookstore/book[position()<3] | 选取最前面的两个属于 bookstore 元素的子元素的 book 元素。 |
//title[@lang] | 选取所有拥有名为 lang 的属性的 title 元素。 |
//title[@lang='eng'] | 选取所有 title 元素,且这些元素拥有值为 eng 的 lang 属性。 |
/bookstore/book[price>35.00] | 选取 bookstore 元素的所有 book 元素,且其中的 price 元素的值须大于 35.00。 |
/bookstore/book[price>35.00]/title | 选取 bookstore 元素中的 book 元素的所有 title 元素,且其中的 price 元素的值须大于 35.00。 |
4、选取未知节点
XPath 通配符可以用来选取未知的 XML 元素。
通配符 | 描述 |
---|---|
* | 匹配任何元素节点。 |
@* | 匹配任何属性节点。 |
node() | 匹配任何类型的节点。 |
(1) 实例:
在下面的表格中,我们列出了一些路径表达式,以及这些表达式的结果:
路径表达式 | 结果 |
/bookstore/* | 选取 bookstore 元素的所有子元素。 |
//* | 选取文档中的所有元素。 |
//title[@*] | 选取所有带有属性的 title 元素。 |
5、选取若干路径
通过在路径表达式中使用 "|" 运算符,您可以选取若干个路径。
(1) 实例:
在下面的表格中,我们列出了一些路径表达式,以及这些表达式的结果:
路径表达式 | 结果 |
---|---|
//book/title | //book/price | 选取 book 元素的所有 title 和 price 元素。 |
//title | //price | 选取文档中的所有 title 和 price 元素。 |
/bookstore/book/title | //price | 选取属于 bookstore 元素的 book 元素的所有 title 元素,以及文档中所有的 price 元素。 |
四、Xpath 轴
1、XML 实例文档
我们将在下面的例子中使用此 XML 文档:
<?xml version="1.0" encoding="ISO-8859-1"?>
<bookstore>
<book>
<title lang="eng">Harry Potter</title>
<price>29.99</price>
</book>
<book>
<title lang="eng">Learning XML</title>
<price>39.95</price>
</book>
</bookstore>
2、XPath 轴
轴可定义相对于当前节点的节点集。
轴名称 | 结果 |
---|---|
ancestor | 选取当前节点的所有先辈(父、祖父等)。 |
ancestor-or-self | 选取当前节点的所有先辈(父,祖父等)以及当前节点本身。 |
attribute | 选取当前节点的所有属性。 |
child | 选取当前节点的所有子元素。 |
descendant | 选取当前节点的所有后代元素(子、孙等)。 |
descendant-or-self | 选取当前节点的所有后代元素(子、孙等)以及当前节点本身。 |
follwing | 选取文档中当前节点的结束标签之后的所有节点。 |
namespace | 选取当前节点的所有命名空间节点。 |
parent | 选取当前节点的父节点。 |
preceding | 选取文档中当前节点的开始标签之前的所有节点。 |
preceding-sibling | 选取当前节点之前的所有同级节点。 |
self | 选取当前节点。 |
3、位置路径表达式
位置路径可以是绝对的,也可以是相对的。
绝对路径起始于正斜杠(/),而相对路径不会这样。在两种情况中,位置路径均包括一个或多个步,每个步均被斜杠分割:
(1) 绝对位置路径:
/step/step/...
(2) 相对位置路径:
step/step/...
每个步均根据当前节点集之中的节点来进行计算。
(3) 步(step)包括:
轴(axios):定义所选节点与当前节点之间的树关系。
节点测试(node-test):识别某个轴内部的节点。
零个或者更多谓语(predicate):更深入地提炼所选的节点。
(4) 步的语法:
轴名称:: 节点测试[谓语]
(5) 实例:
例子 | 结果 |
---|---|
child::book | 选取所有属于当前节点的子元素的 book 节点。 |
attribute::lang | 选取当前节点的 lang 属性。 |
child::* | 选取当前节点的所有子元素。 |
attribute::* | 选取当前节点的所有属性。 |
child::text() | 选取当前节点的所有文本子节点。 |
child::node() | 选取当前节点的所有子节点。 |
descendant::book | 选取当前节点的所有 book 后代。 |
ancestor::book | 选取当前节点的所有 book 先辈。 |
ancestor-or-self::book | 选取当前节点的所有 book 先辈以及当前节点(如果此节点是 book 节点)。 |
child::*/child::price. | 选取当前节点的所有 price 孙节点。 |
五、XPath 运算符
XPath 表达式可返回节点集、字符串、逻辑值以及数字。
1、XPath 运算符
下面列出了可用在 XPath 表达式中的运算符。
运算符 | 描述 | 实例 | 返回值 |
---|---|---|---|
| | 计算两个节点集 | //book | //cd | 返回所有拥有 book 和 cd 元素的节点集 |
+ | 加法 | 6 + 4 | 10 |
- | 减法 | 6 - 4 | 2 |
* | 乘法 | 6 * 4 | 24 |
div | 除法 | 8 div 4 | 2 |
= | 等于 | price=9.80 | 如果 price 是9.80,则返回 true。 如果 price 是9.90,则返回 false。 |
!= | 不等于 | price != 9.80 | 如果 price 是9.90,则返回 true。 如果 price 是9.80,则返回 false。 |
< | 小于 | price<9.80 | 如果 price 是9.00,则返回 true。 如果 price 是9.90,则返回 false。 |
<= | 小于或等于 | price <= 9.80 | 如果 price 是9.00,则返回 true。 如果 price 是9.90,则返回 false。 |
> | 大于 | price>9.80 | 如果 price 是9.90,则返回 true。 如果 price 是9.80,则返回 false。 |
>= | 大于或等于 | price>=9.80 | 如果 price 是9.90,则返回 true。 如果 price 是9.70,则返回 false。 |
or | 或 | price=9.80 or price=9.70 | 如果 price 是9.80,则返回 true。 如果 price 是8.50,则返回 false。 |
and | 与 | price>9.00 and price<9.90 | 如果 price 是9.80,则返回true。 如果 price 是8.50,则返回false。 |
mod | 计算除法的余数 | 5 mod 2 | 1 |
六、XPath 实例
1、XML 实例文档
我们将在下面的例子中使用这个 XML 文档:
"books.xml":
<?xml version="1.0" encoding="ISO-8859-1"?>
<bookstore>
<book category="COOKING">
<title lang="en">Everyday Italian</title>
<author>Giada De Laurentiis</author>
<year>2005</year>
<price>30.00</price>
</book>
<book category="CHILDREN">
<title lang="en">Harry Potter</title>
<author>J K. Rowling</author>
<year>2005</year>
<price>29.99</price>
</book>
<book category="WEB">
<title lang="en">XQuery Kick Start</title>
<author>James McGovern</author>
<author>Per Bothner</author>
<author>Kurt Cagle</author>
<author>James Linn</author>
<author>Vaidyanathan Nagarajan</author>
<year>2003</year>
<price>49.99</price>
</book>
<book category="WEB">
<title lang="en">Learning XML</title>
<author>Erik T. Ray</author>
<year>2003</year>
<price>39.95</price>
</book>
</bookstore>
2、加载 XML 文档
from lxml import etree
html = etree.parse('./book.html', etree.HTMLParser())
result = etree.tostring(html)
print(result.decode("utf-8"))
运行结果:
<!DOCTYPE html>
<html lang="en">
<head>
<meta charset="UTF-8"/>
<title>Title</title>
</head>
<body>
<bookstore>
<book category="COOKING">
<title lang="en">Everyday Italian</title>
<author>Giada De Laurentiis</author>
<year>2005</year>
<price>30.00</price>
</book>
<book category="CHILDREN">
<title lang="en">Harry Potter</title>
<author>J K. Rowling</author>
<year>2005</year>
<price>29.99</price>
</book>
<book category="WEB">
<title lang="en">XQuery Kick Start</title>
<author>James McGovern</author>
<author>Per Bothner</author>
<author>Kurt Cagle</author>
<author>James Linn</author>
<author>Vaidyanathan Nagarajan</author>
<year>2003</year>
<price>49.99</price>
</book>
<book category="WEB">
<title lang="en">Learning XML</title>
<author>Erik T. Ray</author>
<year>2003</year>
<price>39.95</price>
</book>
</bookstore>
</body>
</html>
3、选取节点
bookstore | 选取 bookstore 元素的所有子节点。 |
/bookstore | 选取根元素 bookstore。 注释:假如路径起始于正斜杠(/),则此路径始终代表到某元素的绝对路径! |
bookstore/book | 选取属于 bookstore 的子元素的所有 book 元素。 |
//book | 选取所有 book 子元素,而不管它们在文档中的位置。 |
bookstore//book | 选择属于 bookstore 元素的后代的所有 book 元素,而不管它们位于 bookstore 之下的什么位置。 |
//@lang | 选取名为 lang 的所有属性。 |
(1) 获取所有节点:
用以 // 开头的 XPath 规则来选取所有符合要求的节点:
from lxml import etree
html = etree.parse('./book.html', etree.HTMLParser())
# 获取所有节点
result = html.xpath("//*")
print(result)
# 运行结果:
"""
[<Element html at 0x251ce1cf548>, <Element head at 0x251ce331188>,
<Element meta at 0x251ce3311c8>, <Element title at 0x251ce331248>,
<Element body at 0x251ce331448>, <Element bookstore at 0x251ce331488>,
<Element book at 0x251ce331508>, <Element title at 0x251ce331548>,
<Element author at 0x251ce331588>, <Element year at 0x251ce331348>,
<Element price at 0x251ce3315c8>, <Element book at 0x251ce331608>,
<Element title at 0x251ce331648>, <Element author at 0x251ce331688>,
<Element year at 0x251ce3316c8>, <Element price at 0x251ce331708>,
<Element book at 0x251ce331748>, <Element title at 0x251ce331788>,
<Element author at 0x251ce3317c8>, <Element author at 0x251ce331808>,
<Element author at 0x251ce331848>, <Element author at 0x251ce331888>,
<Element author at 0x251ce3318c8>, <Element year at 0x251ce331908>,
<Element price at 0x251ce331948>, <Element book at 0x251ce331988>,
<Element title at 0x251ce3319c8>, <Element author at 0x251ce331a08>,
<Element year at 0x251ce331a48>, <Element price at 0x251ce331a88>]
"""
* 代表匹配所有节点,返回的结果是一个列表,每个元素都是一个 Element 类型,后跟节点名称。
取出其中某个对象时,可以直接引用。
(2) 选取 bookstore 元素的所有子节点:
import codecs
from lxml import etree
f = codecs.open("./book.html", "r", "utf-8")
content = f.read()
f.close()
html = etree.HTML(content)
# 选取 bookstore 元素的所有子节点
result = html.xpath("//bookstore/*")
print(result)
# 运行结果:
"""[<Element book at 0x1a801f91388>, <Element book at 0x1a801f91408>,
<Element book at 0x1a801f91608>, <Element book at 0x1a801f91508>]"""
(3) 选取根元素 bookstore:
import codecs
from lxml import etree
f = codecs.open("./book.html", "r", "utf-8")
content = f.read()
f.close()
html = etree.HTML(content)
# 选取根元素 bookstore
result = html.xpath("//bookstore")
print(result)
# 运行结果:
"""[<Element bookstore at 0x1a801f91788>]"""
(4) 选取属于 bookstore 的子元素的所有 book 元素:
import codecs
from lxml import etree
f = codecs.open("./book.html", "r", "utf-8")
content = f.read()
f.close()
html = etree.HTML(content)
# 选取属于 bookstore 的子元素的所有 book 元素
result = html.xpath("//bookstore/book")
print(result)
# 运行结果:
"""[<Element book at 0x2ae9e2e1408>, <Element book at 0x2ae9e2e1608>,
<Element book at 0x2ae9e2e1508>, <Element book at 0x2ae9e2e1648>]"""
(5) 选取所有 book 子元素,而不管它们在文档中的位置:
from lxml import etree
html = etree.parse('./book.html', etree.HTMLParser())
# 选取所有 book 子元素,而不管它们在文档中的位置
result = html.xpath("//book")
print(result)
# 运行结果:
"""
[<Element book at 0x1e21f4813c8>, <Element book at 0x1e21f481408>,
<Element book at 0x1e21f481488>, <Element book at 0x1e21f481688>]"""
(6) 选择属于 bookstore 元素的后代的所有 book 元素,而不管它们位于 bookstore 之下的什么位置:
import codecs
from lxml import etree
f = codecs.open("./book.html", "r", "utf-8")
content = f.read()
f.close()
html = etree.HTML(content)
# 选择属于 bookstore 元素的后代的所有 book 元素,而不管它们位于 bookstore 之下的什么位置
result = html.xpath("//bookstore//book")
print(result)
# 运行结果:
"""[<Element book at 0x265dd851208>, <Element book at 0x265dd851408>,
<Element book at 0x265dd851308>, <Element book at 0x265dd851448>]"""
(7) 选取名为 lang 的所有属性:
from lxml import etree
html = etree.parse('./book.html', etree.HTMLParser())
# 选取名为 lang 的所有属性
result = html.xpath("//@lang")
print(result)
# 运行结果:
"""['en', 'en', 'en', 'en', 'en']"""
4、谓语
/bookstore/book[1] | 选取属于 bookstore 子元素的第一个 book 元素。 |
/bookstore/book[last()] | 选取属于 bookstore 子元素的最后一个 book 元素。 |
/bookstore/book[last()-1] | 选取属于 bookstore 子元素的倒数第二个 book 元素。 |
/bookstore/book[position()<3] | 选取最前面的两个属于 bookstore 元素的子元素的 book 元素。 |
//title[@lang] | 选取所有拥有名为 lang 的属性的 title 元素。 |
//title[@lang='eng'] | 选取所有 title 元素,且这些元素拥有值为 eng 的 lang 属性。 |
/bookstore/book[price>35.00] | 选取 bookstore 元素的所有 book 元素,且其中的 price 元素的值须大于 35.00。 |
/bookstore/book[price>35.00]/title | 选取 bookstore 元素中的 book 元素的所有 title 元素,且其中的 price 元素的值须大于 35.00。 |
(1) 选取属于 bookstore 子元素的第一个 book 元素:
import codecs
from lxml import etree
f = codecs.open("./book.html", "r", "utf-8")
content = f.read()
f.close()
html = etree.HTML(content)
# 选取属于 bookstore 子元素的第一个 book 元素
result = html.xpath("//bookstore/book[1]")
print(result)
# 运行结果:
"""[<Element book at 0x1cdf36c12c8>]"""
(2) 选取属于 bookstore 子元素的最后一个 book 元素:
import codecs
from lxml import etree
f = codecs.open("./book.html", "r", "utf-8")
content = f.read()
f.close()
html = etree.HTML(content)
# 选取属于 bookstore 子元素的最后一个 book 元素
result = html.xpath("//bookstore/book[last()]")
print(result)
# 运行结果:
"""[<Element book at 0x19d39a81288>]"""
(3) 选取属于 bookstore 子元素的倒数第二个 book 元素:
import codecs
from lxml import etree
f = codecs.open("./book.html", "r", "utf-8")
content = f.read()
f.close()
html = etree.HTML(content)
# 选取属于 bookstore 子元素的倒数第二个 book 元素
result = html.xpath("//bookstore/book[last()-1]")
print(result)
# 运行结果:
"""[<Element book at 0x19d39a81288>]"""
(4) 选取最前面的两个属于 bookstore 元素的子元素的 book 元素:
import codecs
from lxml import etree
f = codecs.open("./book.html", "r", "utf-8")
content = f.read()
f.close()
html = etree.HTML(content)
# 选取最前面的两个属于 bookstore 元素的子元素的 book 元素
result = html.xpath("//bookstore/book[position()<3]")
print(result)
# 运行结果:
"""[<Element book at 0x2b6b6301208>, <Element book at 0x2b6b6301408>]"""
(5) 选取所有拥有名为 lang 的属性的 title 元素:
import codecs
from lxml import etree
f = codecs.open("./book.html", "r", "utf-8")
content = f.read()
f.close()
html = etree.HTML(content)
# 选取所有拥有名为 lang 的属性的 title 元素
result = html.xpath("//title[@lang]")
print(result)
# 运行结果:
"""[<Element title at 0x1dfd3901308>, <Element title at 0x1dfd3901388>,
<Element title at 0x1dfd3901588>, <Element title at 0x1dfd3901488>]"""
(6) 选取所有 title 元素,且这些元素拥有值为 eng 的 lang 属性:
import codecs
from lxml import etree
f = codecs.open("./book.html", "r", "utf-8")
content = f.read()
f.close()
html = etree.HTML(content)
# 选取所有 title 元素,且这些元素拥有值为 eng 的 lang 属性
result = html.xpath("//title[@lang='eng']")
print(result)
# 运行结果:
"""[]"""
(7) 选取 bookstore 元素的所有 book 元素,且其中的 price 元素的值须大于 35.00:
import codecs
from lxml import etree
f = codecs.open("./book.html", "r", "utf-8")
content = f.read()
f.close()
html = etree.HTML(content)
# 选取 bookstore 元素的所有 book 元素,且其中的 price 元素的值须大于 35.00
result = html.xpath("//bookstore/book[price>35.00]")
print(result)
# 运行结果:
"""[<Element book at 0x2b560fb1208>, <Element book at 0x2b560fb1408>]"""
(8) 选取 bookstore 元素中的 book 元素的所有 title 元素,且其中的 price 元素的值须大于 35.00:
import codecs
from lxml import etree
f = codecs.open("./book.html", "r", "utf-8")
content = f.read()
f.close()
html = etree.HTML(content)
# 选取 bookstore 元素中的 book 元素的所有 title 元素,且其中的 price 元素的值须大于 35.00
result = html.xpath("//bookstore/book[price>35.00]/title")
print(result)
# 运行结果:
"""[<Element title at 0x28af73f2248>, <Element title at 0x28af73f22c8>]"""
5、选取未知节点
/bookstore/* | 选取 bookstore 元素的所有子元素。 |
//* | 选取文档中的所有元素。 |
//title[@*] | 选取所有带有属性的 title 元素。 |
(1) 选取 bookstore 元素的所有子元素:
import codecs
from lxml import etree
f = codecs.open("./book.html", "r", "utf-8")
content = f.read()
f.close()
html = etree.HTML(content)
# 选取 bookstore 元素的所有子元素
result = html.xpath("//bookstore/*")
print(result)
# 运行结果:
"""[<Element book at 0x29d781e12c8>, <Element book at 0x29d781e1348>,
<Element book at 0x29d781e1548>, <Element book at 0x29d781e1448>]"""
(2) 选取文档中的所有元素:
import codecs
from lxml import etree
f = codecs.open("./book.html", "r", "utf-8")
content = f.read()
f.close()
html = etree.HTML(content)
# 选取文档中的所有元素
result = html.xpath("//*")
print(result)
# 运行结果:
"""[<Element html at 0x29f120321c8>, <Element head at 0x29f121a1208>,
<Element meta at 0x29f121a1288>, <Element title at 0x29f121a1488>,
<Element body at 0x29f121a1388>, <Element bookstore at 0x29f121a1548>,
<Element book at 0x29f121a1588>, <Element title at 0x29f121a15c8>,
<Element author at 0x29f121a1608>, <Element year at 0x29f121a14c8>,
<Element price at 0x29f121a1648>, <Element book at 0x29f121a1688>,
<Element title at 0x29f121a16c8>, <Element author at 0x29f121a1708>,
<Element year at 0x29f121a1748>, <Element price at 0x29f121a1788>,
<Element book at 0x29f121a17c8>, <Element title at 0x29f121a1808>,
<Element author at 0x29f121a1848>, <Element author at 0x29f121a1888>,
<Element author at 0x29f121a18c8>, <Element author at 0x29f121a1908>,
<Element author at 0x29f121a1948>, <Element year at 0x29f121a1988>,
<Element price at 0x29f121a19c8>, <Element book at 0x29f121a1a08>,
<Element title at 0x29f121a1a48>, <Element author at 0x29f121a1a88>,
<Element year at 0x29f121a1ac8>, <Element price at 0x29f121a1b08>]"""
(3) 选取所有带有属性的 title 元素:
import codecs
from lxml import etree
f = codecs.open("./book.html", "r", "utf-8")
content = f.read()
f.close()
html = etree.HTML(content)
# 选取所有带有属性的 title 元素
result = html.xpath("//title[@*]")
print(result)
# 运行结果:
"""[<Element title at 0x1c77d152908>, <Element title at 0x1c77d1529c8>,
<Element title at 0x1c77d152ac8>, <Element title at 0x1c77d152cc8>]"""
6、选取若干路径
//book/title | //book/price | 选取 book 元素的所有 title 和 price 元素。 |
//title | //price | 选取文档中的所有 title 和 price 元素。 |
/bookstore/book/title | //price | 选取属于 bookstore 元素的 book 元素的所有 title 元素,以及文档中所有的 price 元素。 |
(1) 选取 book 元素的所有 title 和 price 元素:
import codecs
from lxml import etree
f = codecs.open("./book.html", "r", "utf-8")
content = f.read()
f.close()
html = etree.HTML(content)
# 选取 book 元素的所有 title 和 price 元素
result = html.xpath("//book/title | //book/price")
print(result)
# 运行结果:
"""[<Element title at 0x24b36f52088>, <Element price at 0x24b36f520c8>,
<Element title at 0x24b36f52148>, <Element price at 0x24b36f52348>,
<Element title at 0x24b36f52248>, <Element price at 0x24b36f52408>,
<Element title at 0x24b36f52448>, <Element price at 0x24b36f52488>]"""
(2) 选取文档中的所有 title 和 price 元素:
import codecs
from lxml import etree
f = codecs.open("./book.html", "r", "utf-8")
content = f.read()
f.close()
html = etree.HTML(content)
# 选取文档中的所有 title 和 price 元素
result = html.xpath("//title | //price")
print(result)
# 运行结果:
"""[<Element title at 0x1fee0c61348>, <Element title at 0x1fee0c61548>,
<Element price at 0x1fee0c61448>, <Element title at 0x1fee0c61588>,
<Element price at 0x1fee0c61608>, <Element title at 0x1fee0c61688>,
<Element price at 0x1fee0c616c8>, <Element title at 0x1fee0c61708>,
<Element price at 0x1fee0c61748>]"""
(3) 选取属于 bookstore 元素的 book 元素的所有 title 元素,以及文档中所有的 price 元素:
import codecs
from lxml import etree
f = codecs.open("./book.html", "r", "utf-8")
content = f.read()
f.close()
html = etree.HTML(content)
# 选取属于 bookstore 元素的 book 元素的所有 title 元素,以及文档中所有的 price 元素
result = html.xpath("//bookstore/book/title | //price")
print(result)
# 运行结果:
"""[<Element title at 0x26a2f3f1188>, <Element price at 0x26a2f3f1208>,
<Element title at 0x26a2f3f1408>, <Element price at 0x26a2f3f1308>,
<Element title at 0x26a2f3f1448>, <Element price at 0x26a2f3f1508>,
<Element title at 0x26a2f3f1548>, <Element price at 0x26a2f3f1588>]"""
7、轴
(1) 选取所有属于当前节点的子元素的 book 节点:
import codecs
from lxml import etree
f = codecs.open("./book.html", "r", "utf-8")
content = f.read()
f.close()
html = etree.HTML(content)
# 选取所有属于当前节点的子元素的 book 节点
result = html.xpath(".//book")
print(result)
# 运行结果:
"""[<Element book at 0x1c7de212248>, <Element book at 0x1c7de2122c8>,
<Element book at 0x1c7de2124c8>, <Element book at 0x1c7de2123c8>]"""
(2) 选取当前节点的 lang 属性:
(3) 选取当前节点的所有子元素:
(4) 选取当前节点的所有属性:
(5) 选取当前节点的所有文本子节点:
(6) 选取当前节点的所有子节点:
(7) 选取当前节点的所有 book 后代:
(8) 选择当前节点的所有 book 先辈:
(9) 选取当前节点的所有 book 先辈以及当前节点(如果此节点是 book 节点):
(10) 选取当前节点的所有 price 孙节点: