xpath解析是最常用且最便捷高效的一种解析方式,通用性强。
1 xpath解析原理
1. 实例化一个etree的对象,且需要将被解析的页面源码数据加载到该对象中。
2. 调用etree对象中的xpath方法结合着xpath表达式实现标签的定位内容的捕获。
2 安装
pip install lxml
3 实例化etree对象
from lxml import etree
1. 将本地html文档中的源码数据加载到etree对象中
etree.parse(filePath)
2. 从互联网上获去源码加载到etree对象中
etree.HTML(page_text)
4 xpath表达式
/ :表示的是从根节点开始定位,表示的是一个层级
//:表示的是多个层级,可以表示从任意位置开始定位
属性定位:tag[tagName=‘attrValue’],如//div[@class=‘song’]
索引定位:tag[index],索引是从1开始的,如//div[@class=‘song’]/p[3]
文本获取:
- /text():获取标签的直系文本
- //text():获取标签的下的所有文本
属性值获取:/@attrName,如//a/@href