爬虫-xpath篇

1.xpath的基础语法

表达式 描述
nodename 选中该元素
/ 从根节点选取、或者是元素和元素间的过渡
// 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
text() 选取文本

举例:

路径表达式 结果
html 选择html元素
/html 选取根元素 html。注释:假如路径起始于正斜杠( / ),则此路径始终代表到某元素的绝对路径!
/html/body/ul/li 选取属于 ul的子元素的所有 li元素
//li 选取所有 li元素,而不管它们在文档中的位置
/html//li 选择属于 html元素的后代的所有 li元素,而不管它们位于 html之下的什么位置
//li//a/@href 选择所有的li下面的a标签中的href属性的值
//li//a/text() 选择所有的li下面的a标签的文本

2. 寻找特定节点:

路径表达式 结果
//span@class="s2" 选择class属性值为s2的所有span标签
//ul/li1 选取属于 ul子标签的第一个 li标签
//ul/lilast() 选取属于 ul子标签的最后一个 li标签
//ul/lilast()-1 选取属于 ul子标签的倒数第二个 li标签
//ul/liposition()\>1 选择ul下面的li标签,从第二个开始选择
//li/span/atext()='无墟极道' 选择所有li下的span标签,仅仅选择文本为 无墟极道 的a标签

敲黑板: 在xpath中,第一个元素的位置是1,最后一个元素的位置是last(),倒数第二个是last()-1


以上仅供参考,实用才是王道
重点在这here!!!
一.在大多数标准网站中对于文本 的提取

一般只需:相对标签+class属性值

eg.提取喜马拉雅的发现页面的书名
//span[@class='v-m T_G']

  1. 通过开发者工具定位一个书名的位置
    2.黄色标记部分即为所提取的内容
    二.对于链接 的提取一般只需:相对标签+class属性值+标签中内容所在的属性值

eg.提取喜马拉雅的发现页面的书籍封面链接
//img[@class='img _hW']/@src

  1. 通过开发者工具定位一个图片链接的位置
    (如果图片没刚好定位到链接位置也会定位在临近的地方)
    2. 上方xpath右框内的内容即为所提取的封面图片链接
    (可能会不以协议名开头,浏览器访问会自动加上,如果非浏览器需要自己加上)
相关推荐
德思特7 小时前
德思特测试Q&A | 多通道射频测试,如何实现高效分配与自动化调度?
经验分享·多通道射频测试
琳少_10 小时前
java程序开发笔记
java·开发语言·数据库·笔记
爱分享的康康11 小时前
高斯泼溅(3DGS)在 ADAS 仿真中的工程瓶颈与量产落地思路
经验分享
Z21-X13 小时前
云原生运维学习笔记:Kubernetes Volume 与 Secret 实验
运维·笔记·学习·云原生·kubernetes
wuyk55513 小时前
Spider-第20讲-综合实战可上线爬虫
大数据·爬虫·python·elasticsearch
一只大鸽子13 小时前
游戏开发笔记7-Godot RPG游戏基础-场景切换、全局脚本
笔记·游戏·godot
网安小学生(兼顾数据库版)14 小时前
艾体宝Mend接入CI/CD:如何实现开发流水线的安全左移?
经验分享·艾体宝·艾体宝it·艾体宝mend
狮子座的男孩16 小时前
html+css基础:31、响应式布局(媒体类型,媒体特性,运算符,常用阈值)
前端·css·经验分享·html·响应式布局·媒体类型/特性·常用阈值
吃我一窝jio17 小时前
Docker+Jenkins+K8s全流程部署
java·开发语言·笔记·python