No.8爬虫学习——xpath基础知识

xpath解析：是最常用且最便捷高效的一种解析方式，通用性

 

1、xpath解析原理

（1）实例化一个etree的对象，且需要将被解析的页面源码数据加载到该对象中

（2）通过调用etree对象中的xpath方法结合着xpath表达式实现标签的定位和内容的捕获

2、环境的安装：

pip install lxml

3、如何实例化一个etree对象:from lxml import etree

（1）将本地的html文档中的源码数据加载到etree对象中：

etree.parse(filePath)

（2）可以将从互联网上获取的源码数据加载到该对象中

etree.HTML('path_text')

xpath('xpath表达式')

(3)xpath表达式

/表示的是从根节点开始定位。表示的是一个层级

//表示的是多个层级。可以表示从任意位置开始定位

属性定位：//div[@class="song"] tag[@attrName="attrValue"]

索引定位：//div[@class="song"]/p[3]    索引是从1开始的

取文本：

(1)/text()   获取的是标签中直系的文本内容      

(2)//text()    标签中非直系的文本内容（所有的文本内容）   

取属性：/@attrName    ==>img/src