这篇博客介绍了XPath的用途，它用于在XML文档中遍历元素和属性。文章展示了如何通过Python的lxml库安装和使用XPath，包括选择器的使用如‘/’、‘//’、‘.’、‘..’以及属性选择、谓语等。还给出了XPath在处理HTML文档中的实例，演示了如何提取链接、类名等信息，并展示了匹配、路径和组合选择器的用法。
一、简介
XPath 是一门在 XML 文档中查找信息的语言。
XPath 可用来在 XML 文档中对元素和属性进行遍历。
XPath 是 W3C XSLT 标准的主要元素，并且 XQuery 和 XPointer 都构建于 XPath 表达之上。
二、安装
| pip install lxml |
三、使用
from lxml import etree
#定义字符串变量
wb_data = """
<div>
<ul>
<li class="item-0"><a href="link1.html">first item</a></li>
<li class="item-1"><a href="link2.html">second item</a></li>
<li class="item-inactive"><a href="link3.html">third item</a></li>
<li class="item-1"><a href="link4.html">fourth item</a></li>
<li class="item-0"><a href="link5.html">fifth item</a>
</ul>
</div>
"""
#将字符串转换为html的对像，制动补全<html><body>... ...</body></html>
html=etree.HTML(wb_data)
# / 代表级点
data1=html.xpath('/html')
print("data1"+str(data1))
# // 代表后面的节点可以任意位置
data2=html.xpath('//a')
for i in data2:
if hasattr(i,'text'):
print(i.text)
else:
print(i)
#具体的路经
data3=html.xpath('html/body/div/ul/li')
for i in data3:
print(i)
# . 代表当前节点，..代表父节点
data4=html.xpath('/html/body/div/ul')
for i in data4:
li=i.xpath('./li')
for j in li:
a=j.xpath('./a')
for k in a:
print(k.text)
for i in data4:
ul=i.xpath('../ul')
print(ul)
# @ 选取属性
data5=html.xpath('//li/@class')
print(data5)
data6=html.xpath('//a/@href')
print(data6)
#谓语，指定具体的节点
data7=html.xpath('//li[i]/a')
print(data7)
data8=html.xpath('//li[last()]')
print(data8)
data9=html.xpath('//a[@href="link3.html"]')
for i in data9:
if hasattr(i,'text'):
print(i.text)
# * 未知节点
data10=html.xpath('//*')
print(len(data10))
for i in data10:
if hasattr(i,'text'):
print(i.text)
data11=html.xpath('//@*')
print(len(data11))
print(data11)
# | 匹配两个
data12=html.xpath('//li | //a')
print(len(data12))
217
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
