Python---爬虫---解析---xpath

重要语法

1. / 根节点选取

2. //当前目录下所有该节点

3. .当前节点

4. ..当前节点的父节点

5. 节点选择语法

   1. /a/b[1], 选取a节点下的第一个b节点

   2. /a/b[last()], 选取a节点下的最后一个b节点

   3. /a/b[last()-1], 选取a节点下的倒数2个b节点

   4. /a/b[position()<3], 选取a节点下的前2个b节点

   5. //a[@b] 选取所有属性为b的a标签

   6. //a[@b = “c”] 选取所有,值为c的属性b的a标签

   7. /a/b[price>3.5] 选取a标签下的所有b标签，且价格为小于3.5

   8. 包含：//div[contains(@class,"i")]  属性class包含有i的div

   9. 以什么开头： //div[start-with(@class,"i")] 属性class以i开头

   10. 以什么结尾： //div[end-with(@class,"i")] 属性class以i结尾

   11. //div[@*="i"] 选取所有,值为i的任意属性的a标签

   12. 不包含：//div[not(contains(@class,"i"))]  非属性class包含有i的div

6. 轴

   1. 使用xpath取区间，一个取下，一个取上，然后取两者的交集

      1. following-sibling   选取当前节点之后的所有同级节点       following   选取当前节点之后的所有节点

      2. preceding-sibling   选取当前节点之前的所有同级节点      preceding  选取当前节点之前的所有节点 

7. 运算符

   1. 同一个网站，同一个子页面结构有很多不同的时候，可以通过or 来兼容，经验例子：百度百科。

8. text() 和 string()

   1. string(.)获取当前标签及其子标签的文本，并将其拼接成一个字符串

9.  

   etree.tostring(exactor_dd_list, encoding='utf-8',pretty_print=True, method='html').decode('utf-8')
   转html源码

10. 经验之谈：
    可以通过对网页html字符串进行改动来适应xpath规则.