XPath简单学习

XPath概述

XPath，全称 XML Path Language，即 XML 路径语言，它是一门在 XML 文档中查找信息的语言。最初是用来搜寻 XML 文档的，但同样适用于 HTML 文档的搜索。所以在做爬虫时完全可以使用 XPath 做相应的信息抽取。

XPath 的选择功能十分强大，它提供了非常简洁明了的路径选择表达式。另外，它还提供了超过 100 个内建函数，用于字符串、数值、时间的匹配以及节点、序列的处理等，几乎所有想要定位的节点都可以用 XPath 来选择。
    官方文档：https://www.w3.org/TR/xpath/

XPath常用规则

表达式	描述
nodename	选取此节点的所有子节点
/	从当前节点选取直接子节点
//	从当前节点选取子孙节点
.	选取当前节点
…	选取当前节点的父节点
@	选取属性

XPath匹配示例

//title[@lang=‘eng’]

这是一个 XPath 规则，代表的是选择所有名称为 title，同时属性 lang 的值为 eng 的节点，后面会通过 Python 的 lxml 库，利用 XPath 进行 HTML 的解析。

//p//a

筛选p标签下的所有a标签的内容

./a/@title

提取当前节点下a标签中的title属性的值

xpath中extract()使用

items[‘name’]=i.xpath(’./a/@title’)-------------------------------返回一个SelectorList对象

items[‘name’]=i.xpath(’./a/@title’).extract()----------------------返回一个list

items[‘name’]=i.xpath(’./a/@title’).extract_first()---------------返回list中的第一个元素

items[‘name’]=i.xpath(’./a/@title’).get()--------------------------返回list中的第一个元素

items[‘name’]=i.xpath(’./a/@title’).[0].extract()-----------------返回list中的第一个元素（如果list为空抛出异常）