目录
[2、使用xpath : 导包--->转换--->解析](#2、使用xpath : 导包--->转换--->解析)
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
- 导包: from lxml import etree
- **文本转为树:**tree=etree.HTML(服务器响应text) / tree = etree.parse(本地html)
- **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:
html
<!DOCTYPE html>
<head>
<meta charset="UTF-8"/> <title>标题</title>
</head>
<body>
<div>
<ul>
<li id="name" class="bookName"><span>java</span></li>
<li id="model"><span>python</span></li>
<li class="price"><span>js</span></li>
<li class="author"><span>c</span></li>
</ul>
</div>
</body>
</html>
需求:获取span标签中的文本:
python
# 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']