<tbody id="j99e4"></tbody>

<dd id="j99e4"></dd>

  • <button id="j99e4"><object id="j99e4"></object></button>
      1. <th id="j99e4"></th>
        <button id="j99e4"><acronym id="j99e4"></acronym></button><rp id="j99e4"><object id="j99e4"><input id="j99e4"></input></object></rp>

        Python爬蟲-Xpath語法與lxml庫的用法(二)
        2022-08-29 23:54:55

        一、 安裝

        pip方式安裝

        pip install lxml

        二、 Xpath術語

        2.1 節點

        在 XPath 中,有七種類型的節點:元素、屬性、文本、命名空間、處理指令、注釋以及文檔(根)節點。XML 文檔是被作為節點樹來對待的。樹的根被稱為文檔節點或者根節點。
        請看下面這個 XML 文檔:

        <?xml version="1.0" encoding="ISO-8859-1"?>
        
        <bookstore>
        
        <book>
          <title lang="en">Harry Potter</title>
          <author>J K. Rowling</author> 
          <year>2005</year>
          <price>29.99</price>
        </book>
        
        </bookstore>
        

        上面的XML文檔中的節點例子:

        <bookstore> (根節點)
        <author>J K. Rowling</author> (元素節點)
        lang="en" (屬性節點) 
        

        2.2 節點關系

        父(Parent)
        每個元素以及屬性都有一個父。
        在下面的例子中,book 元素是 title、author、year 以及 price 元素的父:

        <book>
          <title>Harry Potter</title>
          <author>J K. Rowling</author>
          <year>2005</year>
          <price>29.99</price>
        </book>
        

        子(Children)
        元素節點可有零個、一個或多個子。
        在下面的例子中,title、author、year 以及 price 元素都是 book 元素的子:

        <book>
          <title>Harry Potter</title>
          <author>J K. Rowling</author>
          <year>2005</year>
          <price>29.99</price>
        </book>
        

        兄弟(Sibling)

        擁有相同的父的節點
        在下面的例子中,title、author、year 以及 price 元素都是兄弟:

        <book>
          <title>Harry Potter</title>
          <author>J K. Rowling</author>
          <year>2005</year>
          <price>29.99</price>
        </book>
        

        先輩(Ancestor)
        某節點的父、父的父,等等。
        在下面的例子中,title 元素的先輩是 book 元素和 bookstore 元素:

        <bookstore>
        
        <book>
          <title>Harry Potter</title>
          <author>J K. Rowling</author>
          <year>2005</year>
          <price>29.99</price>
        </book>
        
        </bookstore>
        

        后代(Descendant)
        某個節點的子,子的子,等等。
        在下面的例子中,bookstore 的后代是 book、title、author、year 以及 price 元素:

        2.3 選取節點

        XPath 使用路徑表達式在 XML 文檔中選取節點。節點是通過沿著路徑或者 step 來選取的。
        下面列出了最有用的路徑表達式:


        表達式

        描述
        nodename 選取此節點的所有子節點
        / 從根節點選取
        // 從匹配選擇的當前節點選擇文檔中的節點,而不考慮它們的位置。
        . 選取當前節點
        選取當前節點的父節點
        @ 選取屬性

        實例

        在下面的表格中,我們已列出了一些路徑表達式以及表達式的結果:

        謂語(Predicates)
        謂語用來查找某個特定的節點或者包含某個指定的值的節點。
        謂語被嵌在方括號中。

        實例

        在下面的表格中,我們列出了帶有謂語的一些路徑表達式,以及表達式的結果:

        選取未知節點
        XPath 通配符可用來選取未知的 XML 元素。

        ?在下面的表格中,我們列出了一些路徑表達式,以及這些表達式的結果:

        選取若干路徑
        通過在路徑表達式中使用“|”運算符,您可以選取若干個路徑。

        2.4 XPath 實例

        # -*- coding: utf-8 -*-
        
        from lxml import etree
        
        
        text = """
        <div class="wrapper">
            <i class="iconfont icon-back" id="back"></i>
            <a rel="nofollow" href="/" id="channel">新浪社會</a>
            <ul id="nav">
                <li><a rel="nofollow"  title="國內">國內</a></li>
                <li><a rel="nofollow"  title="國際">國際</a></li>
                <li><a rel="nofollow"  title="軍事">軍事</a></li>
                <li><a rel="nofollow"  title="圖片">圖片</a></li>
                <li><a rel="nofollow"  title="社會">社會</a></li>
                <li><a rel="nofollow"  title="娛樂">娛樂</a></li>
                <li><a rel="nofollow"  title="科技">科技</a></li>
                <li><a rel="nofollow"  title="體育">體育</a></li>
                <li><a rel="nofollow"  title="財經">財經</a></li>
                <li><a rel="nofollow"  title="汽車">汽車</a></li>
            </ul>
            <i class="iconfont icon-liebiao" id="menu"></i>
        </div>
        """
        
        # 創建html對象
        html = etree.HTML(text)
        
        # 獲取所有a標簽的href內容
        results = html.xpath('//a/@href')
        print(results)
        # 獲取所有id為channel的a標簽的href內容
        results2 = html.xpath('//a[@id="channel"]/@href')
        print(results2)
        # 獲取所有li標簽下的a標簽的文本內容
        results3 = html.xpath('//li/a/text()')
        print(results3)
        

        運行結果如下:

        ['/', 'http://domestic.firefox.sina.com/', 'http://world.firefox.sina.com/', 'http://mil.firefox.sina.com/', 'http://photo.firefox.sina.com/', 'http://society.firefox.sina.com/', 'http://ent.firefox.sina.com/', 'http://tech.firefox.sina.com/', 'http://sports.firefox.sina.com/', 'http://finance.firefox.sina.com/', 'http://auto.firefox.sina.com/']
        ['/']
        ['國內', '國際', '軍事', '圖片', '社會', '娛樂', '科技', '體育', '財經', '汽車']
        

          

        備注:

        Ranorex Selocity 類似firepath的chrome插件  

        http://crx4.com/8198.html

        ?

        ?

          

          

          

          

          

        本文摘自 :https://www.cnblogs.com/


        更多科技新聞 ......

        亚洲人成图偷偷小说_亚洲图片小说激情综合_国产精品亚洲自在线播放页码_久久综合亚洲色hezyo国产
        <tbody id="j99e4"></tbody>

        <dd id="j99e4"></dd>

      2. <button id="j99e4"><object id="j99e4"></object></button>
          1. <th id="j99e4"></th>
            <button id="j99e4"><acronym id="j99e4"></acronym></button><rp id="j99e4"><object id="j99e4"><input id="j99e4"></input></object></rp>