xpath基本操作和Python操作Xpath提取数据

xpath介绍

基本概念

• XPath（XML Path Language）是一种XML的查询语言，他能在XML树状结构中寻找节点。XPath 用于在 XML 文档中通过元素和属性进行导航
• xml是一种标记语法的文本格式，xpath可以方便的定位xml中的元素和其中的属性值。lxml是python中的一个第三方模块，它包含了将html文本转成xml对象，和对对象执行xpath的功能

xml_content = '''
<bookstore>
<book>
    <title lang='eng'>Harry Potter</title>
    <author>JK.Rowing</author>
    <year>2005</year>
    <price>29<price>
</book>
</bookstore>

父(Parent) book元素是title、author、year、price元素的父
子(Children) title、author、year、price都是book元素的子
同胞(Sibling) title、author、year、price都是同胞
先辈(Ancestor) title元素的先辈是 book元素和bookstore元素
常用节点选择工具

• chrome插件：xpath helper
• firetox插件：xpath checker

安装参考网站
https://blog.csdn.net/qq_31082427/article/details/84987723

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
.	选取当前节点。
。。	选取当前节点的父节点。
@	选取属性。

查找某个特定的节点或者包含某个指定的值的节点

在Python中模块的使用

在Python中，我们安装lxml库来使用XPath 技术
lxml 是 一个HTML/XML的解析器，主要的功能是如何解析和提取HTML/XML数据利用etree.HTML，将字符串转化为Element对象lxml python
官方文档：http://lxml.de/index.html
可使用 pip 安装：pip install lxml
lxml 可以⾃动修正 html 代码

from lxml import etree

from lxml import etree

html = '''
fffffff
'''
html = etree.HTML(html) #利用etree.THML将字符串转换为HTML

res = html.xpath('') #获取所有book的所有节点
print(res)

text()方法

text()又有两种用法，一种是ls[1].xpath(’./text()’)，一种是ls[1].xpath(’.//text()’)

• ls[1].xpath(’./text()’)用法
  表示只取当前节点中的文本内容，对于子孙节点的内容不会取。
• ls[1].xpath(’.//text()’)用法
  表示取当前节点及其子孙节点中的文本内容