解析工具 ：xpath

使用xpath

Xpath，全称是XML Path Language，即XML路径语言，它是一门在XML文档中查找信息的语言。它最初是用来搜寻XML文档的，但是它同样适用于HTML文档的搜索。因此xpath常在爬虫中被用到。

XPath规则

例如：

html	选取html的所有子节点
/html	选取根元素html（绝对路径）
//div	选取所有div节点
//div/a	选取所有div节点下的a节点
./p	选取当前节点下的p节点
…/p	选取父节点下的p节点
.//div	选取当前节点下的所有div节点
./a/@href	选取当前节点下的a节点的href属性

XPath常用语法

1. 通过属性选取节点：

//*[@id=“test”]	选取所有id为test的节点
//div[@class=“test”]	选取所有class为test的div节点
//div[@name=“city” and @id=“t”]	选取所有name为city并且id为t的div节点
//div[@name=“city” or @id=“t”]	选取所有name为city或者id为t的div节点

2.【contains】属性包含多个值的选取：

: 如<div class="t1 t2 t3"><p>123</p></div>

//div[contains(@class,“t1”)]	选取所有class包含t1的div节点
//div[contains(@class,“t1”) and contains(@class,“t2”)]	选取所有class包含t1和t2的div节点

3.用【start-with】，定位节点：

//a[starts-with(@rel, “nofo”)]	选取所有rel属性以nofo开头的a元素

4.用【last】，定位节点：

//div[@id=“t1”]/a[last()]	选取id为t1的div节点下的最后一个a节点

5.用【text】，定位节点：

//p[text()=“cont”]	选取所有text文本内容为cont的p节点
//div[contains(text(), “cont2”)]	选取所有text文本内容包含cont2的div节点

6.选取节点下的文本内容【text】：

: 如<div class="t1 t2 t3"><p>123</p><p>456</p>789</div>

//div/text()	选取所有div下的文本（一级文本）—— 789
//div/p[1]/text()	选取所有div下的第一个p节点下的文本（一级文本）—— 123
//div//text()	选取所有div下的所有文本（[123,456,789]）

7.选取多个路径：

//div/p|//tr/em	选取所有div下的p节点和所有tr下的em节点
//div|//tr/em	选取所有div节点和所有tr下的em节点

8.选取第几个节点(xpath中从1开始)：

: 如<div class="t1 t2 t3"><p>123</p><p>456</p></div>

//div/p[1]	选取所有div下的第一个p节点
//div/p[2]	选取所有div下的第二个p节点

9.定位兄弟节点：

//a[@id=“3”]/following-sibling::a[1]	获取第三个a标签的下一个a标签
//a[@id=“3”]/following-sibling:: *[N]	获取第三个a标签后面的第N个标签
//a[@id=“3”]/preceding-sibling::a[1]	获取第三个a标签的上一个a标签
//a[@id=“3”]/preceding-sibling:: *[N]	获取第三个a标签的前面的第N个标签
//a[@id=“3”]/. .	获取第三个a标签的父标签

---

新手司机上线ing…
如有写的不对的地方，还望指出来！