Xpath语法详解与Python交互实现数据提取【重点】

---

​🕶️师兄简介：机械专业，通过自学成功进入IT领域，求学期间实现经济独立，对自学、兼职、计算机、学习规划等有独到见解！「点击了解更多」

🤖师兄致力解决在大学生活与学习中遇到的各种问题.

🎁 公众号「渣师兄」内回复「渣学」可获得超 5T 的新生见面礼！

🔗官方网站： 渣学网 →「zhaxueit.cn」→ 大学生活与学习一站式解决方案.

🙏找师兄帮忙「无偿」请➕💓：zhaxueit

📓进资源群「每日分享」【免费】(坑位有限)也请➕💓：zhaxueit 并备注「进群」
​
👀个人主页：@渣师兄 ，欢迎关注、私信师兄！

---

🐐 登高必自卑，行远必自迩.
🍇 我始终坚信越努力越幸运
⭐️ 那些打不倒我们的终将会让我们变得强大
🍑 希望在编程道路上深耕的小伙伴都会越来越好

---

---

xpath语法详解

目标：
1：掌握什么是 xpath
2：掌握 xpath 匹配数据的几种语法格式
3：使用 xpath 的一些注意事项

xpath

答：xpath 是在 xml 文档中匹配数据的一种查询语言（俗称xml路径语言），因为 xml 文档与 html 文档结构非常类似，所以 xpath 也可以用在匹配 html 文档数据中（爬虫提取数据）

xpath匹配数据的几种语法格式

/div匹配文档中所有的 div 标签，返回匹配的内容对象

/div/p匹配文档中所有的div标签下的一级 p 标签，返回 p 标签下（包括p标签子标签）的所有的文本内容对象（是文本结点对象，不是字符串类型的文本）

/div//p匹配文档中所有 div 标签下的所有级别 p 标签（包含在div标签内其他标签下p标签），返回 p 标签下（包括p标签内子标签）的所有的文本内容对象（是文本结点对象，不是字符串类型的文本）

/div/p[1]匹配文档中所有div标签内的第一个 p 标签，返回这个 p 标签下的所有文本内容对象

/div[@class="name"]匹配文档中属性包含 class="name"的所有div标签，返回这个div标签下的所有文本内容对象

/div/p@src匹配文档内所有div标签下的p标签，获取p标签中src属性的值（是字符串类型不是文本对象类型）

/div[@class="byd"] | //div[@class="bm"]匹配文档内class属性为“byd”或者“bm”的所有div标签，返回下面所有标签的文本内容对象（不是字符串类型）

/li[ contains(@class,"car_")]匹配class属性中包含“car_”内容的所有 li 标签，返回下面所有标签的文本内容对象（不是字符串类型）

/li[@class="name"]/text（）匹配 class 属性值为“name’”的所有 li 标签，并且返回 li 标签中（不包括li子标签）的文本内容（字符串类型）

整体图示

path 的一些注意事项

最重要一条：xpath语法的开头查找标签必须要加两条//，一条/不能成功匹配

1.xpath语法中只要与条件有关，就要在条件两侧加上 [ ]

2.xpath语法内只要与标签属性有关，就要在属性前面加上@

3.xpath语法中末尾是 /text（）或者 /@属性值，那么获取的值就是字符串类型的文本内容，除此之外获取的全部都是文本内容对象（不是字符串）

4.xpath语法是 //div/p/text（），只匹配所有div标签下p标签中的文本内容（字符串），不能匹配p标签下其他子标签的文本内容！！！

5.xpath语法是 //div/p，匹配所有div标签下p标签中（包含p标签下的其他子标签）的文本内容对象（不是字符串）

6.html一段文档是 <p class=“name”, id=6> 姓名

，其中class与id都是属性，匹配的文本内容是姓名，不是其他的！

lxml库搭配xpath语法实现数据提取【重点】

目标：
1：掌握 python 的第三方库 lxml 搭配 xpath 语法在 html 文档内提取数据的使用方法！
2：掌握 for 循环的另外一种用法以及怎么将列表内元素拼接为一个字符串

on 的第三方库 lxml 搭配 xpath 语法在 html 文档内提取数据的使用方法！

lxml库功能：与 xpath 语法搭配使用从而在 html 或者 xml 文档中提取出自己想要的数据

lxml库安装（unubtu）：pip3 install lxml

lxml库在html文档代码内提取数据使用步骤：

from lxml import etree 导入模块
lxml_obj = etree.HTML( 网页的html源代码 ) 创建 lxml 对象用于提取数据

data_list = lxml_obj.xpath（xpath语法） 利用 xpath 语法从网页的html源代码中提取数据

lxml库搭配xpath语法在html文档中提取数据（电影、汽车等）最常用法如下：

from lxml import etree                                                导入模块
lxml_obj = etree.HTML( 网页的html源代码 )               创建 lxml 对象用于提取数据
lable_obj_list = lxml_obj.xpath（xpath语法）           利用 xpath 语法从网页的 html 源代码中 提取 数据存在的 标签结点对象
for  lable in data_list:                                          for循环遍历这个标签结点对象
	data_list = lable.xpath(xpath语法)           调用这个标签结点对象的xpath方法，在当前路径下匹配数据
	print(data_list)                                     打印数据

注意事项：

1：只要 lxml 对象调用了 xpath 方法，那么获取的数据类型一定是列表！！！！

2：在 html 文档中提取数据最常用法中通过 for 循环遍历数据结点对象里面那个xpath语法（第二个xpath）开头要以 . 开头，表示在当前标签结点下查找标签数据！

代码体验（提取数据使用步骤）：

最常用法截图：

持续更新中…