爬虫-xpath

什么是xpath
xpath是一款高性能的Python xml/html解析器，可以利用xpath，来快速的定位特定元素及寻找结点信息
XPath 开发工具

开源的XPath表达式编辑工具:XMLQuire(XML格式文件可用)
Chrome插件 XPath Helper
Firefox插件 XPath Checker

选取节点

XPath 使用路径表达式来选取 XML 文档中的节点或者节点集。

下面列出了最常用的路径表达式：

nodename 	选取此节点的所有子节点。
/ 	从根节点选取。
// 	从匹配选择的当前节点选择文档中的节点，而不考虑它们的位置。
. 	选取当前节点。
.. 	选取当前节点的父节点。
@ 	选取属性。

在下面的表格中，我们已列出了一些路径表达式以及表达式的结果：

bookstore 	选取 bookstore 元素的所有子节点。
/bookstore 	选取根元素 bookstore。注释：假如路径起始于正斜杠( / )，则此路径始终代表到某元素的绝对路径！
bookstore/book 	选取属于 bookstore 的子元素的所有 book 元素。
//book 	选取所有 book 子元素，而不管它们在文档中的位置。
bookstore//book 	选择属于 bookstore 元素的后代的所有 book 元素，而不管它们位于 bookstore 之下的什么位置。
//@lang 	选取名为 lang 的所有属性。
谓语（Predicates）

谓语用来查找某个特定的节点或者包含某个指定的值的节点，被嵌在方括号中。

在下面的表格中，我们列出了带有谓语的一些路径表达式，以及表达式的结果：

/bookstore/book[1] 	选取属于 bookstore 子元素的第一个 book 元素。
/bookstore/book[last()] 	选取属于 bookstore 子元素的最后一个 book 元素。
/bookstore/book[last()-1] 	选取属于 bookstore 子元素的倒数第二个 book 元素。
/bookstore/book[position()<3] 	选取最前面的两个属于 bookstore 元素的子元素的 book 元素。
//title[@lang] 	选取所有拥有名为 lang 的属性的 title 元素。
//title[@lang=’eng’] 	选取所有 title 元素，且这些元素拥有值为 eng 的 lang 属性。
/bookstore/book[price>35.00] 	选取 bookstore 元素的所有 book 元素，且其中的 price 元素的值须大于 35.00。
/bookstore/book[price>35.00]/title 	选取 bookstore 元素中的 book 元素的所有 title 元素，且其中的 price 元素的值须大于 35.00。

选取未知节点

XPath 通配符可用来选取未知的 XML 元素。
通配符 描述

* 	匹配任何元素节点。
@* 	匹配任何属性节点。
node() 	匹配任何类型的节点。

在下面的表格中，我们列出了一些路径表达式，以及这些表达式的结果：
路径表达式 结果

/bookstore/* 	选取 bookstore 元素的所有子元素。
//* 	选取文档中的所有元素。
html/node()/meta/@* 	选择html下面任意节点下的meta节点的所有属性
//title[@*] 	选取所有带有属性的 title 元素。
选取若干路径

通过在路径表达式中使用“|”运算符，您可以选取若干个路径。

实例

在下面的表格中，我们列出了一些路径表达式，以及这些表达式的结果：
路径表达式 结果

//book/title | //book/price 	选取 book 元素的所有 title 和 price 元素。
//title | //price 	选取文档中的所有 title 和 price 元素。
/bookstore/book/title | //price 	选取属于 bookstore 元素的 book 元素的所有 title 元素，以及文档中所有的 price 元素。

这些就是XPath的语法内容，在运用到Python抓取时要先转换为xml。