python爬虫——提取抓取内容（5）XPath的简单使用

一.XML基本概念

1.XML是什么?

• XML 指可扩展标记语言（EXtensible Markup Language）
• XML 是一种标记语言，很类似 HTML
• XML 的设计宗旨是传输数据，而非显示数据
• XML 标签没有被预定义。您需要自行定义标签。
• XML 被设计为具有自我描述性。
• XML 是 W3C 的推荐标准

2.XML 与 HTML 的主要差异

• XML 不是 HTML 的替代。
• XML 和 HTML 为不同的目的而设计：
• XML 被设计为传输和存储数据，其焦点是数据的内容。
• HTML 被设计用来显示数据，其焦点是数据的外观。
• HTML 旨在显示信息，而 XML 旨在传输信息
  内容参考：https://www.w3school.com.cn/xml/index.asp

二.XPthon基本概念

1.XPath是什么？

XPath 是一门在 XML 文档中查找信息的语言。XPath 用于在 XML 文档中通过元素和属性进行导航。

• XPath 使用路径表达式在 XML 文档中进行导航
• XPath 包含一个标准函数库
• XPath 是 XSLT 中的主要元素
• XPath 是一个 W3C 标准

2.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）。
我主要学习前三种：元素，属性，文本

3.节点关系

• 父（Parent）

每个元素以及属性都有一个父。

• 子（Children）

元素节点可有零个、一个或多个子。

• 同胞（Sibling）

拥有相同的父的节点

• 先辈（Ancestor）

某节点的父、父的父，等等。

• 后代（Descendant）

某个节点的子，子的子，等等。

4.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。

下面列出了常用的路径表达式：

表达式	描述
nodename	选取此节点的所有子节点
/	从根节点选取
//	从匹配选择的当前节点选择文档中的节点，而不考虑它们的位置
./	从当前节点开始向下查找
. .	选取当前节点的父节点
@	选取属性

5.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。

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。

6.选取未知节点

• XPath 通配符可用来选取未知的 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。

内容参考：https://www.w3school.com.cn/xpath/xpath_syntax.asp

三.安装谷歌浏览器插件

网盘地址：链接：https://pan.baidu.com/s/1hGgbvfdTeZfR0oBn3p_2QA
提取码：kw68

• 1).在chrome右上角找到选项–》更多工具–》扩展程序。把crx文件拖拽，即可安装， 如果安装成功右上角都会有一个小叉叉。
  
  
  
• 2).如果安装失败，则打开开发者模式，再次拖拽安装。
  
• 3）.如果2）也失败，请将crx文件后缀修改为rar解压，点击开发者模式的 加载已解压的扩展程序，选择解压后的文件夹，点击确定
  
  
  如果安装成功右上角都会有一个小叉叉
  
  点击小叉叉会有黑框出现
  测试：

查询前后对比：

四.XPath的简单使用

1.属性定位</