Xpath 文档的使用

一、什么是 XPath？

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。

W3School 官方文档：http://www.w3school.com.cn/xpath/index.asp

二、XPath 开发工具

开源的 XPath 表达式编辑工具:XMLQuire(XML 格式文件可用)

Chrome 插件 XPath HelperFirefox 插件 XPath Checker

三、XML 实例文档我们将在下面的例子中使用这个 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>

1.选取节点

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。下面列出了最常用的路径表达式：

"""
/   ---根节点
//  ---表示从当前节点向下跨层级查找
.   ---当前节点
..  ---父节点
@   ---属性
"""

举例：

import requests
from urllib import request

base_url = 'http://www.langlang2017.com/index.html'
response = requests.get(base_url)
text = response.content.decode('utf-8')


from lxml import etree #导入模块

tree = etree.HTML(text)#使用etree.HTML(text)将文字信息转换成一棵树形结构

"""
/   ---根节点
//  ---表示从当前节点向下跨层级查找
.   ---当前节点
..  ---父节点
@   ---属性
"""
#根节点
html = tree.xpath('//html')
print(html)

html_tree = html[0]

# .  表示html_tree
#eg  : 当前是html节点，在当前节点下找head节点

head = html_tree.xpath('./head')
print(head)
body = html_tree.xpath('./body')
print(body)

#eg找到meta标签
head_tree= head[0]
meta = head_tree.xpath('.//meta')
print(meta)

#//
body_tree = body[0]
a_list = body_tree.xpath('.//a')
print(a_list)

body_div_list = body_tree.xpath('./div')#body下的7个子节点

#需求  找到class="header"这个div
#方法一：由于class="header"这个div是第一个节点，所以从列表使用下标取即可
div_header =body_div_list[0]
#方法二：位于限定（通过属性描述，精确查找范围）
body_hraderdiv=body_tree.xpath('./div[@class="header"]')
print(body_hraderdiv)

#找到属性class值为logo的div节点
logo_div_list = body_tree.xpath('.//div[@class="logo"]')
logo_div = logo_div_list[0]
print(logo_div)
#找到属性class="dianhua"的div节点
tel_div_list = body_tree.xpath('.//div[@class="dianhua"]')
tel_div = tel_div_list[0]
print(tel_div)