Python爬虫之xlml解析库(全面了解)

1.Xpath

Xpath是一门在XML中查找信息的语言，可用来在XML文档中对元素和属性进行遍历。XQuery和xpoint都是构建于xpath表达之上

2.节点

父（parent），子（children），兄弟（sibling），先辈（ancetstor），后代（Decendant）

3.选取节点

路径表达式

谓语

　　谓语用来 查找 某个特定的节点或者 包含某个指定的值 的节点

谓语被嵌在方括号中

选取未知节点（通配符）

*　　匹配任何 元素节点

@*　　匹配任何属性节点

node（）　　匹配任何类型的节点

4.lxml用法

            
#!/usr/bin/python
#_*_coding:utf-8_*_

from lxml import etree

text='''

            

              

                

                  
                    first item
                  
                
                

                  
                    second item
                  
                
                

                  
                    third item
                  
                
                

                  
                    fourth item
                  
                
                

                  
                    fifth item
                  
                
              
            
            
  '''

# html=etree.HTML(text) #html对象，存储在地址中，有自动修正功能
# result=etree.tostring(html) #将html对象转化为字符串

html=etree.parse('hello.html')
# result=etree.tostring(html,pretty_print=True)
# print result
print type(html)
result= html.xpath('//li')
print result
print len(result)
print type(result)
print type(result[0])
print html.xpath('//li/@class') # 获取li标签下的所有的class
print html.xpath('//li/a[@href="link1.html" rel="external nofollow" rel="external nofollow" ]') #获取li标签下href为link1的
            
              标签
print html.xpath('//li//span') #获取li标签下所有的span标签
print html.xpath('//li[last()-1]/a')[0].text #获取倒数第二个元素的内容
            
          

以上这篇Python爬虫之xlml解析库(全面了解)就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。