python xpath语法-Python爬虫之XPath语法和lxml库的用法
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
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
沈唁志,一个PHPer的成长之路!
任何个人或团体,未经允许禁止转载本文:《Python爬虫之XPath语法和lxml库的用法》,谢谢合作!
python xpath语法-Python爬虫之XPath语法和lxml库的用法相关推荐
- 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 ...
- python xpath语法-XPath语法和lxml模块(数据提取)
XPath语法和lxml模块 XPath lxml库 1.什么是XPath? XPath (XML Path Language) 是一门在 XML 文档中查找信息的语言,可用来在 XML 文档中对元素 ...
- html文件xpath解析语法,数据解析之XPath语法和lxml模块
什么是XPath? xpath(XML Path Language)是一门在XML和HTML文档中查找信息的语言,可用来在XML和HTML文档中对元素和属性进行遍历. XPath开发工具 Chrome ...
- python基础语法--python语言及其应用
python基础语法 python引言 python python语言是一种高级动态.完全面向对象的语言. python中函数.模块.数字.字符串都是对象. python完全支持继承.重载.派生.多继 ...
- Python 爬虫利器三之 Xpath 语法与 lxml 库的用法
原文链接https://cuiqingcai.com/2621.html 前言 前面我们介绍了 BeautifulSoup 的用法,这个已经是非常强大的库了,不过还有一些比较流行的解析库,例如 lxm ...
- python xpath语法-Python Xpath语法
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 Chr ...
- python中xpath语法怎么用_Python Xpath语法
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 Ch ...
- python xpath语法-python xpath 基本用法
发布时间: pythonercn 8 months, 3 weeks ago 在进行网页抓取的时候,分析定位html节点是获取抓取信息的关键,目前我用的是lxml模块(用来分析XML文档结构的,当然也 ...
- python xpath语法-Python xpath表达式如何实现数据处理
xpath表达式 1. xpath语法 ? 1 2 3 4 5 6 7 8 9 10 Harry Potter 999 Learning XML 888 1.1 选取节点 XPath 使用路径表达式来 ...
最新文章
- select chosen-jquery.js下拉列表的层被覆盖
- Apache 配置的性能调优
- apache-tomcat-6.0.39的配置
- 征名公布|Qtum量子链企业版—Unita 中文名征集圆满落幕
- JVM系列一:Java虚拟机与操作系统结构比较
- .Net平台开源作业调度框架Quartz.Net
- python获取图片某像素点位置_如何在python中获取图像中指定区域内的所有像素坐标?...
- Python 基础 —— docstring
- 基于电能计量芯片HLW8012计量插座方
- 北京车辆过户外迁,北京车辆外迁流程
- 20211104 为什么相似矩阵的迹相同
- java邮件抄送_JAVA实现邮件抄送,密送,多个附件发送
- 用Watir测试QTP的Demo程序Mercury Tours
- SLAM中双目三角化
- SQLite 命令行客户端 sqlite3 使用指南
- 1-丁基-3-甲基咪唑六氟磷酸盐离子液体[BMIM]PF6修饰碳纳米管(CNTs/[BMIM]PF6)试剂
- 游戏建模师的现状如何?
- 10进制转2进制,js实现
- 《斯坦福高效睡眠法》书中的精髓:如何用好黄金90分钟睡眠法则,利用生理特征让我们晚上快速入睡,并在白天的时候保持清醒。
- 基于ESP32的磁流体音箱
热门文章
- 穿过代理服务器取远程用户真实IP地址
- vue项目如何部署到Tomcat中
- java maven compiler设置默认1.8
- 红帽RHCE培训-课程3笔记目录
- Java设计模式(1)——创建型模式之简单工厂模式(Simple Factory)
- 【SRM 716 DIV 1 A】 ConstructLCS
- django(权限、认证)系统—— 基于Authentication backends定制
- C# Message 消息处理
- ThinkServer TD340服务器安装操作系统[转]
- winform修改、打开窗体、构造函数传值