本文介绍了XPath在Python爬虫中的使用规则，包括根标签、父标签、子标签和兄弟标签的概念，以及XPath路径表达式的各种选择方式，如选取特定属性、筛选匹配条件等。同时，展示了如何在Python中使用lxml库进行XPath解析和数据提取。
#爬虫数据筛选-XPath
#spider lxml 中 xpath的使用规则
#安装 pip install lxml
#根标签：在标记语言中，处于最外层的一个标签就是根标签.
for example <html>.
#父标签：与子标签对应，内部包含了其他元素，此标签就是内部标签的父标签 .
for example <html>就是<head>的父标签 ；<head>就是<title>的父标签.
#同理 head title就是 html head 的子标签.
兄弟标签：两个或多个处于同一级别的标签，有相同的父标签.
<h1>和<table>;<head>和<body>;<table>和两个<tr>也是兄弟标签.
#路径表达式|结果
/html|选取html元素的所有子节点
注释：假如路径起始于正斜杠，那么此路径始终代表某元素的绝对路径
table/tr/td|选取属于table子元素的所有td元素
//div|//table|选取div或者table下的所有节点
//table|选取所有table子元素，而不管他们在文档中的位置
html//div|选取html元素后代所有div元素，而不管他们在html之下什么位置
//@herf|选取名为href的所有属性
#标签筛选查询匹配
//table/tr[1] |选取属于 table子元素的第一个tr元素
//table/tr[last()] |选取属于 table子元素的最后一个tr元素
//table/tr[last()-1]|选取属于 table子元素的倒数第二个tr元
最低0.47元/天 解锁文章
扫一扫
905
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
