wzzzj的博客

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:/

HTML概述： HTML文件由标签，元素，属性三部分构成。不区分大小写。 标签成对出现，也有单独标签；标签加上其文本内容构成元素；标签内部可有属性。 HTML文件结构： 头部：浏览器，搜索引擎所需要的信息 网页标题栏 单独标签，元数据，网页的基础信息，例如网页的作者，修改日期，最新版本，给搜索引擎的关键字。 <h1>标题标签h1~h6 <p>段落 每个段落自动换行，段内文字忽略连续空格，不显示空行，也不会换行。 <br/>段内换行 特殊字符：空格字符：  &l