一、XPath简介

全称：XML Path Language；

作用： 解析数据（HTML,XML），提取节点与节点包含的内容；

什么是节点？

HTML为例：<body>是一个根节点，<div>，<a>等是根节点的子节点，<div>，<a>等节点包含的节点是他们的子节点，实例如下。

<!DOCTYPE html>
<html lang="en">
<head><meta charset="UTF-8"><title>xpath_test</title>
</head>
<body><div>这里是根节点body的子节点div<div/><p>这里是div的子节点p<p/><a>这里是根节点body的子节点a<a/><p>这里是div的子节点p<p/></body>
</html>

二、xpath函数

2.1、XPath常用函数：

xlm/html对象.etree（）函数

使用方法：

2.1.1、etree = tree.xpath（"/父节点1/子结点2"）->返回的是子节点,返回内容如下：

（<Element 子节点2 at 地址>）

2.1.2、etree = tree.xpath（"/父节点1/子结点2/text（）"）->返回的是子节点2的文本内容

2.1.3、etree = tree.xpath（"/父结点1//子结点2"）->返回的是子节点2的全部后代节点

2.1.4、etree = tree.xpath（"/父结点1/子结点2/@子节点2的属性值"）->返回的是子节点2的的属性值

2.1.5、etree = tree.xpath（"./节点/节点"）->相对查找，一般在缩小范围准备提取内容时在循环遍历使用。

x = html.xpath()函数

*：表示任意节点

节点[第几个]，1开始

./：相对查找

//：绝对查找

/@属性：拿属性的值

/text（）：拿标签的文本内容

父节点//子节点->显示全部 //->后代

三、步骤

3.1、运行环境：win10家庭版，phcharm edu；

3.2、下载所用的库（提供两种方法）：在编辑器（如pycharm）控制台输入：pip install lxml，pip install requests，也可以在编辑器的设置里，Python Interpreter直接搜索包并下载；

3.3、操作步骤

3.3.1、目标实例

天堂电影；

3.3.2、需求

抓取2022新片推荐下载链接（可下载）；

3.4、源码

# 天堂电影
# 2022新片from lxml import html
import requests# 发起请求拿源码,发现是get方式传参
url = "https://www.dy2018.com/"
resp = requests.get(url)
resp.encoding = 'gb2312'
resp_content = resp.text
# print(resp_content)，测试是否成功拿到源码
# 创建html的etree解析,并把html源码交给etree解析
etree = html.etree
html = etree.HTML(resp_content)# 开始定位
lis = html.xpath('//*[@id="header"]/div/div[3]/div[4]/div[1]/div[2]/ul/li')
# 循环遍历取出
for li in lis:hrefs = li.xpath("./a/@href")# print(hrefs)all_href = ''.join(hrefs)  # 把列表中的元素放在空串中，元素间用空格隔开all_hrefs = url + all_href  # 把链接拼接起来if all_href == "https://www.jianpian12.com/":  # 出现一个没用的干扰链接，去掉all_href = ""else:titles = li.xpath("./a/text()")all_titles = ''.join(titles)  # 把列表中的元素放在空串中，元素间用空格隔开# print(all_titles, end=" ") 拿到电影名称# print(all_hrefs)           拿到电影跳转具体下载链接# 第二次请求resp2 = requests.get(all_hrefs)resp2.encoding = 'gb2312'  # 查看源码，得到编码方式，进行解析resp_content2 = resp2.text# print(resp_content)，测试是否成功拿到源码# 创建html的etree解析,并把html源码交给etree解析# etree = html.etreehtml2 = etree.HTML(resp_content2)# 开始定位# ”//*[@id="Zoom"]/div[1]/ul/li/a“# "//*[@id="Zoom"]/div[1]/ul/li/a" 发现每一个的id都一样直接copy，xpath路径进行使用lis2 = html2.xpath('//*[@id="Zoom"]/div[1]/ul/li')for lis in lis2:all_href2 = lis.xpath("./a/@href")all_hrefs2 = ''.join(all_href2)  # 把列表中的元素放在空串中，元素间用空格隔开all_hrefs2 = all_hrefs2.split("=")[-1]# all_hrefs2 = all_hrefs2.split("/")print(all_hrefs2)# 下一步应该是拿到了下载链接的地址进行下载并保存# 但发现链接访问失败（在浏览器访问下载链接也是失败的，很奇怪），先进行到这步，之后在探究是什么问题之后继续补充

四、结果

4.1、返回的结果

五、问题与总结

5.1、问题

5.1.1、爬取到的链接访问不到内容（是否是存在防盗链呢？）；

5.1.2、爬取并输出的内容分割性不好，代码需要优化；

5.2、总结

5.2.1、好好学习。

Python--爬虫--XPath入门相关推荐

python爬虫从入门到实战笔记——第四章Scrapy框架
推荐阅读: python爬虫从入门到实战笔记--第一章爬虫原理和数据爬取 python爬虫从入门到实战笔记--第二章非结构化数据和结构化数据的提取 python爬虫从入门到实战笔记--第三章动态HTM ...
结构化数据丨Python爬虫基础入门系列(7)
提示:文末有福利!最新Python爬虫资料/学习指南>>戳我直达文章目录前言 JSON 1. json.loads() 2. json.dumps() 3. json.dump() 4 ...
Python爬虫从入门到精通——解析库pyquery的使用
分类目录:<Python爬虫从入门到精通>总目录解析库使用篇: 解析库re的使用:正则表达式解析库XPath的使用解析库Beautiful Soup的使用解析库pyquery的使用 ...
python爬虫从入门到精通-Python爬虫从入门到精通视频（2018新版）
原标题:Python爬虫从入门到精通视频(2018新版) Python在软件质量控制.提升开发效率.可移植性.组件集成.丰富库支持等各个方面均处于先进地位,并且随着人工智能的兴起,Python发展得越 ...
Python爬虫新手入门教学（十）：爬取彼岸4K超清壁纸
前言本文的文字及图片来源于网络,仅供学习.交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理. Python爬虫.数据分析.网站开发等案例教程视频免费在线观看 https://space. ...
Python爬虫从入门到精通——爬虫实战：爬取今日头条图片新闻
分类目录:<Python爬虫从入门到精通>总目录本文为实战篇,需提前学习Python爬虫从入门到精通中<基本库requests的使用>和<Ajax数据爬取(一):基本原 ...
Python爬虫新手入门教学（十八）：爬取yy全站小视频
前言本文的文字及图片来源于网络,仅供学习.交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理. Python爬虫.数据分析.网站开发等案例教程视频免费在线观看 https://space. ...
Python爬虫新手入门教学（十七）：爬取yy全站小视频
前言本文的文字及图片来源于网络,仅供学习.交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理. Python爬虫.数据分析.网站开发等案例教程视频免费在线观看 https://space. ...
Python爬虫新手入门教学（十六）：爬取好看视频小视频
前言本文的文字及图片来源于网络,仅供学习.交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理. Python爬虫.数据分析.网站开发等案例教程视频免费在线观看 https://space. ...
Python爬虫——XPath的使用
Python爬虫--XPath的使用使用实例一:获取需要的文字 1.导入需要使用的模块 import urllib.request from lxml import etree 2.发送请求访问网站 ...

Python--爬虫--XPath入门

一、XPath简介

二、xpath函数

三、步骤

四、结果

Python--爬虫--XPath入门相关推荐

最新文章

热门文章