python爬虫05-xpath解析(一)

目录

总结：

1、xpath简介和安装

2、使用xpath :   导包--->转换--->解析

3、语法规则 

4、示例

总结：

xpath是简单粗暴的

就几个符号（..表示向上，/表示向下，@是属性，[ ]是条件）。

1、xpath简介和安装

• XPath 是一门在 XML 文档中查找信息的语言；
• 俗讲： 在树中通过节点等条件快速查找元素！
• 安装lxml ： pip install lxml 

2、使用xpath :   导包--->转换--->解析

1. 导包：           from lxml import etree
2. 文本转为树：tree=etree.HTML(服务器响应text)   /  tree = etree.parse（本地html）   
3. 解析：           tree.xpath(表达式)

3、语法规则 

表达式	作用	示例说明
/	绝对定位：从根节点开始查询	/html/body/div[1]
//	相对定位：任意节点查询匹配	/html//div[1]
./	选取当前节点
../	选取当前节点的父节点。
@	选取属性	//标签名[@元素名称='元素值']  //input[@id='kw']
[ ]	条件定位	//div[ @id = 'id_name' ]  //div[ 1 ]    索引查询
/text（）	获取标签下直系的标签文本	//span/text()
last()	定位到最后一个	//标签名[last()] //span/ul//li[last()]
逻辑表达 and	标签名[@元素名称='元素值' and @元素名称='元素值'] //input[@id='kw' and @class='s_ipt']
逻辑表达 or	// 标签名[@元素名称='元素值' or @元素名称='元素值'] //input[@id='kw' or @class='s_t']
逻辑表达 非	//标签名称[@元素名称 != '元素值'] //input[@class!='1111']
逻辑表达 not()	//标签名[not(.='元素值')         . 代表的是 text() //year[not(.='aaa')] //li[not(@id="model")]
模糊匹配	//标签名[contains(text(), "内容"]    ★ //div[contains(text(), "aaa")]
精确匹配	//标签名[(text()='内容')] //div[(text()='呵呵')]

4、示例：

解析a.html文本：

        



    

        
java
        
python
        
js
        
c
    

需求：获取span标签中的文本：

# author: keep_di  
# 01-xpathtest.py
from lxml import etree
tree = etree.parse('a.html') #读取的本地文件
#需求：获取li中的文本 
lst1 = tree.xpath('//span/text()') # xpath返回是列表
print(lst1)  # ['java', 'python', 'js', 'c']