用xpath方法解析数据入门实例

前言：

        上一篇文章讲到了三种方法来解析数据，分别是正则表达式、Bs4还有xpath，这三种方法各有特点，也都有各自的应用场景，不过xpath可以说是较为常用的了。这一篇就来简单介绍一下xpath方法的入门实例。

正文：

代码实例1：

# 首先需要安装lxml
# pip install lxml
# xpath相当于路径，在xml中根据父子关系进行查找
from lxml import etree
xml = '''

    1
    细水长流
    1.68
    高山流水
    
        周大墙
        林天则
        周杰伦
        陈承宇
        

            二十多
            

                胜天半子
            
        
         
            盛气凌人
        
    
    
    
        阿迪斯
        欧文
    
 
'''
tree = etree.XML(xml)
result1 = tree.xpath("/book/nick/text()")
result2 = tree.xpath("/book//nick/text()")  # //表示后代，后代中所有nick标签都提取出来
result3 = tree.xpath("/book/*/nick/text()")  # *表示一代，通配符

print(result1)
print(result2)
print(result3)

从这个实例来看就能很明显的看出xpath是专门为xml准备的，像是寻找路径那般通过父子关系，去找到你想要的那个值，像树一样。

以下是输出结果： 

代码实例2：

首先是一个HTML文件：

     
    


    

        
百度 
        
谷歌
        
搜狗 
    
    

        
飞机
        
大炮
        
火车
    
    
李嘉诚
    
胡辣汤

这个HTML文件的代码可供大家用来测试，也省了大家手打HTML的时间 。

from lxml import etree
tree = etree.parse("b.html")

# 打印出百度、谷歌、搜狗
result1 = tree.xpath("/html/body/ul/li/a/text()")
print(result1)

# 只打印出第一个li的信息，即“百度”
result2 = tree.xpath("/html/body/ul/li[1]/a/text()")
print(result2)

# 打印出href属性值为dapao的被标记文本
result3 = tree.xpath("/html/body/ol/li/a[@href='dapao']/text()")
print(result3)

# 遍历
ol_li_list = tree.xpath("/html/body/ol/li")
for li in ol_li_list:
    # 从每一个li中提取到文字信息
    result4 = li.xpath("./a/text()")  # 在li中继续去寻找
    print(result4)
    result5 = li.xpath("./a/@href")  # 拿到属性值
    print(result5)

# 两种可能会用到的方式
print(tree.xpath("/html/body/ul/li/a/@href"))

总结：

       在这里 xpath的语法可以看出是更为直接的，相比于正则表达式来说，不过正则表达式有更广泛的应用，xpath是专门针对xml文档的。这里也可以看出如果是爬虫的话，使用xpath更加的简洁明了，可读性更强，效率相对也会更高。

        这篇文章会持续更新，在我空闲的时候会增添多一些实例。有兴趣的小伙伴可以点赞+收藏！你们的支持是我最大的动力