python xpath语法-Python爬虫基础之XPath语法与lxml库的用法详解
前言
本来打算写的标题是XPath语法,但是想了一下Python中的解析库lxml,使用的是Xpath语法,同样也是效率比较高的解析方法,所以就写成了XPath语法和lxml库的用法
XPath 即为 XML 路径语言,它是一种用来确定 XML(标准通用标记语言的子集)文档中某部分位置的语言。
XPath 基于 XML 的树状结构,提供在数据结构树中找寻节点的能力。 XPath 同样也支持HTML。
XPath 是一门小型的查询语言。
python 中 lxml库 使用的是 Xpath 语法,是效率比较高的解析方法。
下面话不多说了,来一起看看详细的介绍吧
安装
为什么要用这个库呢,因为要写爬虫啊,利用lxml库来解析 HTML 代码,同时lxml也继承了libxml2的特性自动修正HTML代码,利用pip安装即可
pip install lxml
XPath语法
XPath是一门在XML文档中查找信息的语言,可以用于在XML文档中通过元素和属性进行导航
举个栗子 �
我们可以使用XPath提取网站地图中的所有链接,也就是说可以使用XPath去找我们HTML中的一些具体的东西
节点关系
在XPath中,有七种类型的节点:元素、属性、文本、命名空间、处理指令、注释以及文档节点(或称为根节点)
再举个栗子 �
https://qq52o.me
2018-04-28T19:00:42+00:00
daily
1.0
第一个:父(Parent)
每个元素以及属性都有一个父
url元素是 loc、lastmod、changefreq以及 priority元素的父
第二个:子(Children)
元素节点可有零个、一个或多个子
loc、lastmod、changefreq以及 priority元素都是url元素的子
第三个:同胞(Sibling)
拥有相同的父的节点
loc、lastmod、changefreq以及 priority元素都是url元素的同胞
第四个:先辈(Ancestor)
某节点的父、父的父,等等
loc元素的先辈是 url元素和 urlset元素
第五个:后代(Descendant)
某个节点的子,子的子,等等
urlset的后代是url、loc、lastmod、changefreq以及 priority元素
如果你分不清楚,就按照子元素从上到下的去找元素节点
选取节点
XPath使用路径表达式在 XML 文档中选取节点,节点是通过沿着路径或者 step 来选取的,也就是上面所说的按照子元素从上到下去找元素节点
这些是最有用的路径表达式 �
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
实例
路径表达式
结果
urlset
选取urlset元素的所有子节点
/urlset
选取根元素 urlset
urlset/url
选取属于urlset的子元素的所有url元素
//url
选取所有url子元素,而不管它们在文档中的位置
urlset//url
选择属于urlset元素的后代的所有url元素,而不管它们位于urlset之下的什么位置
//@href
选取名为href的所有属性
其他XPath语法请参考w3school
XPath实例测试
提取本站网站地图中id属性为content的的子元素h3的内容以及子元素a的href属性,F12去看代码找这个属性
div的id属性,下面的子元素h3的内容,直接利用 text 方法来获取元素的内容,然后输出
这里的子元素层级关系必须按顺序写好,不然会报错的
IndexError: list index out of range
这就说明你的XPath规则没写好,list是一个空的,没有一个元素
XPath 是一个非常好用的解析方法,同时也是作为爬虫学习的基础
总结
以上就是这篇文章的全部内容了,希望本文的内容对大家的学习或者工作具有一定的参考学习价值,如果有疑问大家可以留言交流,谢谢大家对脚本之家的支持。
python xpath语法-Python爬虫基础之XPath语法与lxml库的用法详解相关推荐
- python的reshape方法_numpy库reshape用法详解
numpy.reshape(重塑) 给数组一个新的形状而不改变其数据 numpy.reshape(a, newshape, order='C')参数: a:array_like 要重新形成的数组. n ...
- Django基础(11): 表单集合Formset的高级用法详解
Formset(表单集)是多个表单的集合.Formset在Web开发中应用很普遍,它可以让用户在同一个页面上提交多张表单,一键添加多个数据,比如一个页面上添加多个用户信息.今天小编我就介绍下Djang ...
- 爬虫(八十八)lxml库的用法
春季,四季之一.春,代表着温暖.生长.春季,阴阳之气开始转变,万物随阳气上升而萌牙生长,大地呈现春和景明之象. lxml官网:https://lxml.de/ 围绕三个问题: 问题1:有一个XML文件 ...
- Python笔记:网络爬虫之模拟人人网登录及获取数据的过程详解
概述 使用urllib模拟人人网的登录的过程 使用urllib模拟人人网登录后获取个人数据的过程 使用urllib模拟登录及获取个人数据的过程 使用requests模拟登录及获取个人数据的过程 重点了 ...
- 【Python教程】 re 模块中findall() 函数返回值展现方式的用法详解
findall 函数: 在字符串中找到正则表达式所匹配的所有子串,并返回一个列表,如果没有找到匹配的,则返回空列表. 注意: match 和 search 是匹配一次 findall 匹配所有,mat ...
- python循环语句for计数_Bash For循环(递增计数)与for循环用法详解
先来看for循环的例子: 用Bash Shell的for循环,每次递增数是500. 复制代码 代码示例: #!/bin/bash # #每次递增的数 ADD_NUM=500 #递增1的话取消下行注释, ...
- Java基础篇(04):日期与时间API用法详解
本文源码:GitHub·点这里 || GitEE·点这里 一.时间和日期 在系统开发中,日期与时间作为重要的业务因素,起到十分关键的作用,例如同一个时间节点下的数据生成,基于时间范围的各种数据统计和分 ...
- 【零基础】极星9.3止盈止损用法详解
交流Q群1064240775 一.前言 止盈止损是期货交易中比较基础的部分了,但从设置上来说还是有点复杂性的,所以这篇就好好写明白极星9.3的止盈止损. 二.为啥会有止盈止损 首先得搞明白,为啥会有止 ...
- 【JS基础】var formdata=new FormData() 【FormData用法详解 】
FormData用法详解 简介 FormData 对象的使用: 1.用一些键值对来模拟一系列表单控件:即将form 中表单元素的 name 与 value 组装成一个 queryString 2.异步 ...
最新文章
- 如何才能建立起似然函数
- SQL Server:分离和重新附加数据库
- JavaFX将Node导出为图片
- android之微信分享音频
- c语言 字符串相似度,某课程设计---文件相似度判断
- Android 手机常见问答
- 蓝桥杯2018年第九届C/C++省赛B组第六题-递增三元组
- PCB设计中电源与地之间电容的作用(具体放置面积, 大小等等)
- RealSense D435i深度相机介绍
- 在Arduino上使用433MHz发送和接收模块
- javascript 属性的特性 二十五
- html页面太大了怎么调小,html – 如何在调整浏览器窗口大小时保持绝对定位的元素...
- 张爱玲的 因为懂得,所以慈悲 如何理解
- 华为交换机接口绑定mac案例
- 2012二级c语言上机,2012全国计算机等级考试-二级C语言-上机考试-填空题-分类总结...
- FP7195大功率零压差全程无频闪调光DC-DC恒流芯片
- 第一次参与国际空间站ISS 的SSTV活动
- 安装arosics做自动几何校正
- ECCV2020Workshop-PAN-270k参数量SISR网络 | Efficient Image Super-Resolution Using Pixel Attention
- 数据结构初学之循环队列补充