推荐使用：from parsel import Selector
Selector：可直接使用xpath，css ，re
官方参考文档：https://parsel.readthedocs.io/en/latest/usage.html
1、匹配某节点下的所有.//
//获取文档中所有匹配的节点，.获取当前节点，有的时候我们需要获取当前节点下的所有节点，.//一定要结合.使用//，否则都会获取整个文档的匹配结果.
2、匹配包含某属性的所有的属性值//@lang
print tree.xpath('//@code') #匹配所有带有code属性的属性值
['84', '104', '223']
3、选取若干路径|
这个符号用于在一个xpath中写多个表达式用，用|分开，每个表达式互不干扰
print tree.xpath('//div[@id="testid"]/h2/text() | //li[@data]/text()') #多个匹配条件
[u'\u8fd9\u91cc\u662f\u4e2a\u5c0f\u6807\u9898', '1', '2', '3']
4、 Axes（轴）
child：选取当前节点的所有子元素
print tree.xpath('//div[@id="testid"]/child::ul/li/text()') #child子节点定位
['84', '104', '223']
print tree.xpath('//div[@id="testid"]/child::') #child::当前节点的所有子元素
[, , ]
定位某节点下为ol的子节点下的所有节点
print tree.xpath('//div[@id="testid"]/child::ol/child::*/text()')
['1', '2', '3']
attribute：选取当前节点的所有属性
print tree.xpath('//div/attribute::id') #attribute定位id属性值
['testid', 'go']
print tree.xpath('//div[@id="testid"]/attribute::*') #定位当前节点的所有属性
['testid', 'first']
ancestor：父辈元素 / ancestor-or-self：父辈元素及当前元素
print tree.xpath('//div[@id="testid"]/ancestor::div/@price') #定位父辈div元素的price属性
['99.8']
print tree.xpath('//div[@id="testid"]/ancestor::div') #所有父辈div元素
print tree.xpath('//div[@id="testid"]/ancestor-or-self::div') #所有父辈及当前节点div元素
[]
[, ]
descendant：后代 / descendant-or-self：后代及当前节点本身
使用方法同上
following :选取文档中当前节点的结束标签之后的所有节点
定位testid之后不包含id属性的div标签下所有的li中第一个li的text属性
print tree.xpath('//div[@id="testid"]/following::div[not(@id)]/.//li[1]/text()')
['test1']
namespace：选取当前节点的所有命名空间节点
print tree.xpath('//div[@id="testid"]/namespace::*') #选取命名空间节点
[('xml', 'http://www.w3.org/XML/1998/namespace')]
parent：选取当前节点的父节点
选取data值为one的父节点的子节点中最后一个节点的值
print tree.xpath('//li[@data="one"]/parent::ol/li[last()]/text()')
['3']
注意这里的用法，parent::父节点的名字
preceding：选取文档中当前节点的开始标签之前的所有节点
记住是标签开始之前，同级前节点及其子节点
print tree.xpath('//div[@id="testid"]/preceding::div/ul/li[1]/text()')[0]
时间
下面这两条可以看到其顺序是靠近testid节点的优先
print tree.xpath('//div[@id="testid"]/preceding::li[1]/text()')[0]
print tree.xpath('//div[@id="testid"]/preceding::li[3]/text()')[0]
任务
时间
preceding-sibling：选取当前节点之前的所有同级节点
记住只能是同级节点
print tree.xpath('//div[@id="testid"]/preceding-sibling::div/ul/li[2]/text()')[0]
print tree.xpath('//div[@id="testid"]/preceding-sibling::li') #这里返回的就是空的了
地点
[]
self：选取当前节点
选取带id属性值的div中包含data-h属性的标签的所有属性值
print tree.xpath('//div[@id]/self::div[@data-h]/attribute::*')
['testid', 'first']
组合拳
定位id值为testid下的ol下的li属性值data为two的父元素ol的兄弟前节点h2的text值
print tree.xpath('//*[@id="testid"]/ol/li[@data="two"]/parent::ol/preceding-sibling::h2/text()')[0]
这里是个小标题
5、position定位
print tree.xpath('//*[@id="testid"]/ol/li[position()=2]/text()')[0]
2
6、条件
定位所有h2标签中text值为
这里是个小标题
print tree.xpath(u'//h2[text()="这里是个小标题"]/text()')[0]
这里是个小标题
7、函数
count：统计
print tree.xpath('count(//li[@data])') #节点统计
3.0
concat：字符串连接
print tree.xpath('concat(//li[@data="one"]/text(),//li[@data="three"]/text())')
13
string：解析当前节点下的字符
string只能解析匹配到的第一个节点下的值，也就是作用于list时只匹配第一个
print tree.xpath('string(//li)')
时间
local-name：解析节点名称
print tree.xpath('local-name(//*[@id="testid"])') #local-name解析节点名称
div
contains(string1,string2)：如果 string1 包含 string2，则返回 true，否则返回 false
tree.xpath('//h3[contains(text(),"H3")]/a/text()')[0] #使用字符内容来辅助定位
百度一下
一记组合拳
匹配带有href属性的a标签的先辈节点中的div，其兄弟节点中前一个div节点下ul下li中text属性包含“务”字的节点的值
print tree.xpath(u'//a[@href]/ancestor::div/preceding::div/ul/li[contains(text(),"务")]/text()')[0]
任务
注意：兄弟节点后一个节点可以使用：following-sibling
not：布尔值（否）
print tree.xpath('count(//li[not(@data)])') #不包含data属性的li标签统计
18.0
string-length：返回指定字符串的长度
string-length函数+local-name函数定位节点名长度小于2的元素
print tree.xpath('//*[string-length(local-name())<2]/text()')[0]
百度一下
组合拳2
contains函数+local-name函数定位节点名包含di的元素
print tree.xpath('//div[@id="testid"]/following::div[contains(local-name(),"di")]')
[, ]
or：多条件匹配
print tree.xpath('//li[@data="one" or @code="84"]/text()') #or匹配多个条件
['1', '84']
也可使用|
print tree.xpath('//li[@data="one"]/text() | //li[@code="84"]/text()') #|匹配多个条件
['1', '84']
组合拳3：floor + div除法 + ceiling
position定位+last+div除法，选取中间两个
tree.xpath('//div[@id="go"]/ul/li[position()=floor(last() div 2+0.5) or position()=ceiling(last() div 2+0.5)]/text()')
['5', '6']
组合拳4隔行定位：position+mod取余
position+取余运算隔行定位
tree.xpath('//div[@id="go"]/ul/li[position()=((position() mod 2)=0)]/text()')
starts-with：以。。开始
starts-with定位属性值以8开头的li元素
print tree.xpath('//li[starts-with(@code,"8")]/text()')[0]
84
8、数值比较
<：小于
所有li的code属性小于200的节点
print tree.xpath('//li[@code<200]/text()')
['84', '104']
div：对某两个节点的属性值做除法
print tree.xpath('//div[@id="testid"]/ul/li[3]/@code div //div[@id="testid"]/ul/li[1]/@code')
2.65476190476
组合拳4：根据节点下的某一节点数量定位
选取所有ul下li节点数大于5的ul节点
print tree.xpath('//ul[count(li)>5]/li/text()')
['1', '2', '3', '4', '5', '6', '7', '8', '9', '10']
9、将对象还原为字符串
s = tree.xpath('//*[@id="testid"]')[0] #使用xpath定位一个节点
s
s2 = etree.tostring(s) #还原这个对象为html字符串
s2
'\n\t\t\n\t'ÕâÀïÊǸöС±êÌâ
\n\t\t\n\t\t\t
\n\t\t- 1
\n\t\t\t- 2
\n\t\t\t- 3
\n\t\t\n\t\t\t
\n\t- 84
\n\t\t\t- 104
\n\t\t\t- 223
\n\t\t
10、选取一个属性中的多个值
举例：
选择这个div的方案网上有说用and的，但是似乎只能针对不同的属性的单个值
本次使用contains
.xpath('div[contains(@class,"mp-city-list-container mp-privince-city")]')
当然也可以直接选取其属性的第二个值
.xpath('div[contains(@class,"mp-privince-city")]')
重点是class需要添加一个@符号
本次验证否定了网上的and，使用了contains,验证环境在scrapy的response.xpath下
https://www.jianshu.com/p/1575db75670f