xpath之Python简述

from lxml import etree    #导入相应的第三方库
import requests

if __name__ == '__main__':
    
    url = '……'
    headers = {'……'}
    html = requests.get(url, headers=headers).text

    # 注意xpath表达式整体与局部的引号书写
    # 实例化一个etree对象，且将被解析的页面源码数据加载到该对象中,两种方法：
    tree = etree.parse("text.py")    # 1、将本地的html文档中的数据加载到该对象中
    tree = etree.HTML(html)    # 2、直接将页面源码加载到该对象中

    # /：表示的是从根节点开始定位，或表示的是一个层级
    r1 = tree.xpath("/html/head/title")      # xpath()返回的是一个列表，列表中的元素是Element类型的对象，未匹配到返回一个空列表

    # //：表示的是多个层级，即可以从任意位置开始定位
    r2 = tree.xpath("/html//div")
    r3 = tree.xpath("//div")

    # -属性定位：//div[@class='song']
    r4 = tree.xpath('//div[@class="song"]')

    # -索引定位：//div[@class='song']/p[3]，其中索引值是从1开始的
    r5 = tree.xpath('//div[@class="tang"]//li[5]/a/text()')[0]

    # /text()，获取的是标签中直系的文本内容
    r6 = tree.xpath("//li[7]/text()")

    # //text()，获取的是标签中非直系的文本内容（即该标签中的所有文本）
    r7 = tree.xpath('//div[@class="tang"]//text()')

    # -取属性值：/@src
    r8 = tree.xpath('//div[@class="song"]/img/@src')

    print(r)