Python Xpath语法

Posted 不要忘记我

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Python Xpath语法相关的知识,希望对你有一定的参考价值。

一、python数据提取xpath
1.beautifulsoup xpath 正则表达式
2.xpath是一种在XML和HTML文档中查找信息的语言,可用来在XML和HTML中对元素进行遍历  Chrome XPath Helper
3.XPath语法
(1)选取节点:使用路径表达式来选取文档中的节点
     nodename  选取节点的所有子节点  //div
     / 如果是在最前面,代表从根节点选取,否则选择某节点下的某个节点 一个/代表直接子节点(一个网页的直接子节点是HTML) 两个//代表子孙节点  /html/body 代表查找的是html下面的直接子节点body
     @选取某个节点的属性  //div[@id]选取所有拥有id属性的div节点
 (2)谓语
     /bookstore/book[1] 选取bookstore中的第一个book元素
     /bookstore/book[last()] 选取bookstore中的最后一个book元素
     /bookstore/book[position()<3] 选取bookstore下前面两个子元素
     //div[contains(@class,"fl")] 模糊匹配

  (3)//dl[@class="job" and  @id="jong"] 获取即拥有class也有id属性的dl
使用//获取整个页面当中的元素,然后写标签名写谓词进行提取
需要注意:
/和//区别 /代表只获取直接子节点 //获取子孙节点
contains:有时候某个属性包含了多个值,可以使用contains
代码:
//div[contains(@class="job")]
谓词的下标是从1开始的

二、lxml库
基本使用:
六个双引号可以加入多行代码作为字符串
from lxml import etree
html=etree.HTML.(text)   html不是一个字符串,是一个Element类型的对象
print(etree.tostringt(htmlElement,encoding=‘utf-8‘)).decode(‘utf-8‘)


def parse_lago_file():
   parse=etree.HTMLParser(encoding=‘utf-8‘)  制定用html的解析器,parse方法默认的是xml的解析器,如果html代码不规范,出现错误的标签,使用xml的解析器会报错,因此要换成html的解析器
   htmlElement=etree.parse("lago.html",parse=parse)
   print(etree.tostringt(htmlElement,encoding=‘utf-8‘)).decode(‘utf-8‘) parse方法不能处理有问题的标签,会报错

  
1.解析html字符串,使用‘lxml.etree.HTML’进行解析  
  html=etree.HTML.(text)   html不是一个字符串,是一个Element类型的对象
  print(etree.tostring(htmlElement,encoding=‘utf-8‘)).decode(‘utf-8‘)
2.解析html文件,使用‘lxml.etree.parse’进行解析,这个函数默认使用的是‘xml’解析器,如果碰到一些不规范的‘HTML’代码的时候就会出现解析错误,就要创建‘HTML’解析器
xpath函数返回的是一个列表

3.for tr in trs:
  href=tr.xpath(".//a")
注意在trs中寻找a标签,需要在//前面加一个.,否则就会在整个html中寻找a标签

 


 

 

以上是关于Python Xpath语法的主要内容,如果未能解决你的问题,请参考以下文章

Python爬虫:Xpath语法笔记

Python爬虫利器三之Xpath语法与lxml库的用法

[Python 练习爬虫] XPATH基础语法

Python爬虫基础——XPath语法的学习与lxml模块的使用

Python爬虫利器三之Xpath语法与lxml库的用法

python爬虫 XPath语法