爬虫入门09——Xpath安装及基本操作

XPath

• XPath,全称XML Path Language,即XML路径语言，它是一门在XML文档中查找信息的语言。最初是用来搜寻XML文档的，但同样适用于HTML文档的搜索。所以在做爬虫时完全可以使用XPath做相应的信息抽取。

（1）XPath概览

• XPath的选择功能十分强大，它提供了非常简洁明了的路径选择表达式。另外，它还提供了超过100个内建函数，用于字符串、数值、时间的匹配以及节点、序列的处理等，几乎所有想要定位的节点都可以用XPath来选择。
• 官方文档https://www.w3.org/TR/xpath/

（2）XPath常用规则

表达式	描述
nodename	选取此节点的所有子节点
/	从当前节点选取直接子节点
//	从当前节点选取子孙节点
.	选取当前节点
. .	选取当前节点的父节点
@	选取属性

这里列出了XPath的常用匹配规则，示例如下:

//title[@lang='eng']

这是一个XPath规则，代表的是选择所有名称为title,同时属性lang的值为eng的节点，后面会通过Python的lxml库，利用XPath进行HTML的解析。

（3）安装

windows -> python3环境下: pip install lxml
linux环境下: pip3 install lxml