05_lxml模块介绍/通过XPath从html和xml中提取数据/二手房爬虫练习

1、lxml模块、xml文档、XPath介绍：

• 一、什么是lxml模块

  • lxml是python语言中用于处理xml和html的功能最丰富最完善最简单的模块。
  • 它利用XPath就可以实现从xml或者html中解析数据。
  • lxml模块安装指令：pip install lxml

• 二、什么是xml？

  • xml指可拓展标记语言，xml是一种很像html的标记语言。
  • 但是xml和html完全属于两个领域的内容。
  • html用于从网页显示数据，xml用于在网络中传输和存储数据。

• 三、什么是XPath？

  • XPath是一门在XML和HTMl文档中查找信息的语言。XPath使用路径表达式
  • 在xml和html文档中进行导航。XPath使用的路径表达式和我们常用的
  • 相对路径、绝对路径很相似。
  • 注意在XPath中还有谓语，谓语其实就是更细节的筛选条件，XPath路径就是一层一层筛选，而谓语就是在层内进行细化的筛选（常用的谓语有：[N]、[position]、[@属性名]、[@属性名=属性值]）
  • 所以XPath就类似于CSS中的选择器，用来定位网页内容的
  • 可以借助“|”，添加多个XPath

• 四、XPath的语法结构

  • XPath必须要理解的概念：树、节点、根节点、元素节点、属性节点
  • 注释节点、文本节点。
  • 1.树&