XPath的简单介绍以及使用

忘是亡心i 2022-05-21 01:57 249阅读 0赞

**XPath 是一门在 XML 文档中查找信息的语言。XPath它可以用来在 XML 文档中对元素和属性进行遍历。**

**要使用xpath首先需要安装 lxml，在终端输入如下命令即可：pip install lxml**

#### **       什么是xpath？** ####

**        首先先来介绍下xml，它是用来存储和传输数据使用的。  
        和html的不同有以下的两点：  
        （1）html用来显示数据，xml是用来传输数据  
        （2）html标签是固定的，xml标签是自定义的  
        xpath用来在xml中查找指定的元素，它是一种路径表达式  
        常用的路径表达式：  
        // : 不考虑位置的查找  
        ./ : 从当前节点开始往下查找  
        @ : 选取属性  
        示例如下：  
/bookstore/book ：选取根节点bookstore下面所有直接子节点book  
//book ：选取所有book  
bookstore//book ：查找bookstore下面所有的book  
/bookstore/book\[1\] ：bookstore里面的第一个book  
/bookstore/book\[last()\] ：bookstore里面的最后一个book  
/bookstore/book\[position()<3\] ：前两个book  
//title\[@lang\]： 所有的带有lang属性的title节点  
//title\[@lang='eng'\]  所有的lang属性值为eng的title节点**

**\* ： 任何元素节点**

**为了使用xpath大致查找页面上满足条件的部分**

**可以在浏览器上安装xpath插件：只需要将xpath插件拖动到谷歌浏览器扩展程序中即可。  
启动和关闭插件的命令ctrl +： shift + x  
（1）通过属性进行定位  
        //input\[@id="kw"\]  
        //input\[@class="bg s\_btn"\]  
（2） 层级定位  
    索引定位  
        //div\[@id="head"\]/div/div\[2\]/a\[@class="toindex"\]  
        【注】索引从1开始  
        //div\[@id="head"\]//a\[@class="toindex"\]  
        【注】双斜杠代表下面所有的a节点，不管位置  
    逻辑运算  
        //input\[@class="s\_ipt" and @name="wd"\]  
    模糊匹配  
        contains  
            //input\[contains(@class, "s\_i")\]  
            所有的input，有class属性，并且属性中带有s\_i的节点  
            //input\[contains(text(), "爱")\]  
        starts-with  
            //input\[starts-with(@class, "s")\]  
            所有的input，有class属性，并且属性以s开头  
    取文本  
        //div\[@id="u1"\]/a\[5\]/text()  获取节点内容**

**        //div\[@id="u1"\]//text()      获取节点里面不带标签的所有内容**

**    取属性  
        //div\[@id="u1"\]/a\[5\]/@href**

#### **  在代码中进行使用方法如下**    ####

**        from lxml import etree  
        两种方式使用：将html文档变成一个对象，然后调用对象的方法去查找指定的节点  
        （1）本地文件  
            tree = etree.parse(文件名)  
        （2）网络文件  
            tree = etree.HTML(网页字符串)  
            ret = tree.xpath(路径表达式)**

**            注意：ret是一个列表**

**        \#将所用满足条件的内容进行拼接起来形成string**

**        ret = tree.xpath('//div\[@class="\*\*"\]')  
        string = ret\[0\].xpath('string(.)')  
        print(string.replace('\\n', '').replace('\\t', ''))**