xpath语法
安装
pip install lxml
表达式 | 描述 |
---|---|
nodename | 选取此节点的所有子节点。 |
/ | 从根节点选取。 |
// | 从匹配选择的当前节点选择文档中的节点,而不考虑它们的位置。 |
. | 选取当前节点。 |
.. | 选取当前节点的父节点。 |
@ | 选取属性。 |
谓语
路径表达式 | 结果 |
---|---|
/bookstore/book[1] | 选取属于 bookstore 子元素的第一个 book 元素。 |
/bookstore/book[last()] | 选取属于 bookstore 子元素的最后一个 book 元素。 |
/bookstore/book[last()-1] | 选取属于 bookstore 子元素的倒数第二个 book 元素。 |
/bookstore/book[position()<3] | 选取最前面的两个属于 bookstore 元素的子元素的 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。 |
选取未知节点
通配符 | 描述 |
---|---|
* | 匹配任何元素节点。 |
@* | 匹配任何属性节点。 |
node() | 匹配任何类型的节点。 |
例子:
路径表达式 | 结果 |
---|---|
/bookstore/* | 选取 bookstore 元素的所有子元素。 |
//* | 选取文档中的所有元素。 |
//title[@*] | 选取所有带有属性的 title 元素。 |
选取若干路径 | 通过在路径表达式中使用“|”运算符,您可以选取若干个路径。 |
//book/title | //book/price 选取 book 元素的所有 title 和 price 元素。 |
//title | //price 选取文档中的所有 title 和 price 元素。 |
/bookstore/book/title | //price 选取属于 bookstore 元素的 book 元素的所有 title 元素,以及文档中所有的 price 元素。 |
轴
轴可定义相对于当前节点的节点集。
轴名称 | 结果 |
---|---|
ancestor | 选取当前节点的所有先辈(父、祖父等)。 |
ancestor-or-self | 选取当前节点的所有先辈(父、祖父等)以及当前节点本身。 |
attribute | 选取当前节点的所有属性。 |
child | 选取当前节点的所有子元素。 |
descendant | 选取当前节点的所有后代元素(子、孙等)。 |
descendant-or-self | 选取当前节点的所有后代元素(子、孙等)以及当前节点本身。 |
following | 选取文档中当前节点的结束标签之后的所有节点。 |
namespace | 选取当前节点的所有命名空间节点。 |
parent | 选取当前节点的父节点。 |
preceding | 选取文档中当前节点的开始标签之前的所有节点。 |
preceding-sibling | 选取当前节点之前的所有同级节点。 |
self | 选取当前节点。 |
步的语法:
轴名称::节点测试[谓语]
例子:
例子 | 结果 |
---|---|
child::book | 选取所有属于当前节点的子元素的 book 节点。 |
attribute::lang | 选取当前节点的 lang 属性。 |
child::* | 选取当前节点的所有子元素。 |
attribute::* | 选取当前节点的所有属性。 |
child::text() | 选取当前节点的所有文本子节点。 |
child::node() | 选取当前节点的所有子节点。 |
descendant::book | 选取当前节点的所有 book 后代。 |
ancestor::book | 选择当前节点的所有 book 先辈。 |
ancestor-or-self::book | 选取当前节点的所有 book 先辈以及当前节点(如果此节点是 book 节点) |
child::*/child::price | 选取当前节点的所有 price 孙节点。 |
函数
1. starts-with函数
获取以xxx开头的元素
例子:xpath(‘//div[stars-with(@class,”test”)]’)
2 contains函数
获取包含xxx的元素
例子:xpath(‘//div[contains(@id,”test”)]’)
3 and
与的关系
例子:xpath(‘//div[contains(@id,”test”) and contains(@id,”title”)]’)
4 text()函数
例子1:xpath(‘//div[contains(text(),”test”)]’)
例子2:xpath(‘//div[@id=”“test]/text()’)
bs4
安装
pip install beautifulsoup4
一、标签选择器
通过soup.标签名 就可以获得这个标签的内容
print(soup.title)
获取p标签
print(soup.p)
获取第一个p标签的文本内容
print(soup.p.string)
嵌套选择
获取head标签下的title标签的文本内容
print(soup.head.title.string)
节点选择
p标签的子节点
contents返回的是列表
print(soup.p.contents)
chilren 返回的是迭代对象
le=soup.p.children
for i in le:
print(i)
父节点
print(soup.a.parent)
获取所有超链接
for link in soup.find_all('a'):
print(link.get('href'))
获取标签文本内容
print(soup.get_text())
二、标准选择器
find_all(name,attrs,text)
可以根据标签名,属性,文本内容查找文档
find():返回匹配结果的一个元素
from bs4 import BeautifulSoup
soup= BeautifulSoup(html,'lxml')
(1)name 的用法
print(soup.find_all('ul'))
结果返回的一个列表的方式
print(soup.find_all('ul')[0])
查找所有ul标签下的li标签
for ul in soup.find_all('ul'):
print(ul.find_all('li'))
(2) attrs的用法
print(soup.find_all(attrs={'id':'list-1'}))
找class属性值是panel-heading的对应标签
print(soup.find_all(attrs={'class':'panel-heading'}))
(3)text
print(soup.find_all(text='Foo'))
三、css选择器
select()
1.表示class ,#表示id
2.其他属性 比如:[name=Tom]
3.标签1,标签2 找到所有的标签1和标签2
4.标签1 标签2 找到标签1内部的标签2
获取属性class值是panel的标签下的class属性值是panel-body的标签
print(soup.select('.panel .panel-body'))
获取ul标签下的所有li标签
print(soup.select('ul li'))
获取id属性为list-2的标签内部的class属性值是element的标签
print(soup.select('#list-2 .element'))
获取文本内容
get_text()可以获取文本内容
for li in soup.select('li'):
print(li.get_text())