1.xpath介绍
1.1基本概念
- XPath(XML path language)是一种XML查询语言，他能在XML树状结构中寻找节点。XPath用于在XML文档中通过元素和属性进行导航
- XML是一种标记语法的文本格式，xpath可以方便的定位xml中的元素和其中的属性值。lxml是python中的一个包，这个包中包含了将html文本转换成xml对象，和对对象执行xpath的功能。
1.2节点的关系
xml_content = '''
<bookstore>
<book>
<title lang='eng'>Harry Potter</title>
<author>K.Rowing</author>
<year>2005</year>
<price>29<price>
</book>
</bookstore>
'''
image.png
- 父(Parent) book元素是title、author、year、price元素的父
- 子(Children) title、author、year、price都是book元素的子
- 同胞(Sibling) title、author、year、price都是同胞
- 先辈(Ancestor) title元素的先辈是 book元素和bookstore元素
2.基本使用
2.1工具安装
image.png
安装参考网站
https://blog.csdn.net/qq_31082427/article/details/84987723
image.png
查找某个特定的节点或者包含某个指定的值的节点
image.png
image.png
2.2模块的使用
在Python中，我们安装lxml库来使用XPath 技术
xml 是 一个HTML/XML的解析器，主要的功能是如何解析和提取HTML/XML数据利用etree.HTML，将字符串转化为Element对象
lxml python 官方文档：http://lxml.de/index.html
可使用 pip 安装：pip install lxml
lxml 可以⾃动修正 html 代码
wb_data = """
<div>
<ul>
<li class="item-0"><a href="link1.html">first item</a></li>
<li class="item-1"><a href="link2.html">second item</a></li>
<li class="item-inactive"><a href="link3.html">third item</a></li>
<li class="item-1"><a href="link4.html">fourth item</a></li>
<li class="item-0"><a href="link5.html">fifth item</a>
</ul>
</div>
"""
使用
from lxml import etree
这个etree类能干什么？
- 第一个是将html字符串转化为element对象
- 第二个是element对象可以转换为字符串或者二进制类型（转换为对象就有可供使用的功能和方法，可以使用xpath）
