python xpath简单教程及xpath插件的安装

一、 XPath简介

1.1 什么是 XPath?

• XPath 使用路径表达式在 XML 文档中进行导航
• XPath 包含一个标准函数库
• XPath 是 XSLT 中的主要元素
• XPath 是一个 W3C 标准

1.2 lxml 库

lxml 是 一个HTML/XML的解析器，主要的功能是如何解析和提取 HTML/XML 数据。
lxml和正则一样，也是用 C 实现的，是一款高性能的 Python HTML/XML 解析器，我们可以利用XPath语法，来快速的定位特定元素以及节点信息。

二、 XPath 语法

我们将在下面的例子中使用这个 XML 文档。

<bookstore>
<book>
  <title lang="eng">Harry Pottertitle>
  <price>29.99price>
book>
<book>
  <title lang="eng">Learning XMLtitle>
  <price>39.95price>
book>
bookstore>

2.1 选取节点

下面列出了最有用的路径表达式：

表达式	描述
nodename	选取此节点的所有子节点。
/	从根节点选取。
//	从任意节点选取。
.	选取当前节点。
…	选取当前节点的父节点。
@	取属性

谓语（Predicates）

路径表达式	结果
/bookstore/book[1]	选取属于 bookstore 的第一个 book 元素。
/bookstore/book[last()]	选取属于 bookstore 的最后一个 book 元素。
/bookstore/book[last()-1]	选取属于 bookstore的 倒数第二个 book 元素。
/bookstore/book[position() < 3]	选取最前面的两个 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。

上面所列举的是最基本的，也是使用次数最多的，其他的了解即可。

2.2 XPath Axes（轴）

轴名称	表达式	描述
ancestor	xpath(‘./ancestor::’)	选取当前节点的所有先辈节点（父、祖父）
ancestor-or-self	xpath(‘./ancestor-or-self::’)	选取当前节点的所有先辈节点以及节点本身
attribute	xpath(‘./attribute::’)	选取当前节点的所有属性
child	xpath(‘./child::’)	返回当前节点的所有子节点
descendant	xpath(‘./descendant::’)	返回当前节点的所有后代节点（子节点、孙节点）
following	xpath(‘./following::’)	选取文档中当前节点结束标签后的所有节点
following-sibing	xpath(‘./following-sibing::’)	选取当前节点之后的兄弟节点
parent	xpath(‘./parent::’)	选取当前节点的父节点
preceding	xpath(‘./preceding::’)	选取文档中当前节点开始标签前的所有节点
preceding-sibling	xpath(‘./preceding-sibling::’)	选取当前节点之前的兄弟节点
self	xpath(‘./self::’)	选取当前节点

三、chrome 插件 xpath 的下载安装，及简单使用

1.下载地址，版本号为 2.0.2：
链接: https://pan.baidu.com/s/19rmq0rUJTDdcNJowLSufOg提取码:w5f0

2.安装

• 在chrome右上角找到选项–》更多工具–》扩展程序。把crx文件拖拽到框内，即可安装

3.解压源文件和解压后的文件

4.简单使用

xpath 插件完全是按照xpath语法来的，对网页提取有很大帮助，方便快捷。