爬虫学习之xpath解析

#xpath解析: 最常用且最高效的一种结息方式
#1. xpath解析原理:
#     1. 实例化一个etree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xpath表达式实现标签定位和内容捕获
#2. 环境安装
# pip install lxml(解析器)
#3.实例化一个etree对象: from lxml import etree
#       1.实例化一个etree对象, 将被本地的页面源码数据加载到该对象中
#           etree.parse(filePath)
#       2.将互联网上的源码加载到该对象中
#           etree.HTML('page_text')
#           重点: xpath('xpath表达式')    定位不同的标签
#       3.xpath定位
#           /  表示从根节点开始定位
#               r=tree.xpath('/html/body/div')
#           // 表示多个层级, 可以表示从任意位置开始定位
#               r=tree.xpath('//h1')
#               r=tree.xpath('/html/body//div')
#                   属性定位div[@class="sitenav"]
#               r=tree.xpath('//header/div/div[@class="sitenav"]')
#                    索引定位,下标从1开始
#               r=tree.xpath('//div[@class="sitenav"]/ul/li[3]')
#               r1 = tree.xpath('//header/div/div')
#                      取文本 /text() 返回列表
#                  r=tree.xpath('//div[@class="sitenav"]/ul/li[2]/a/text()')
#                  r=tree.xpath('//div[@class="sitenav"]/ul/li[2]//text()')
#                  r=tree.xpath('//div[@class="sitenav"]//text()')
#                      取属性  /@attrName ==>(img/src)
#                  r=tree.xpath('//div[@class="article-tags"]/a/@href')
#
#
import requests
from lxml import html
if __name__=='__main__':
    #实例化一个etree对象 加载源码到对象中
    tree=html.parse('w.html')
    r=tree.xpath('//div[@class="article-tags"]/a/@href')
    print(r)