下面小編就為大家帶來一篇Python爬蟲之xlml解析庫(全面了解)。小編覺得蠻不錯的，現在就分享給大家，也給大家做個參考。一起跟隨小編過來看看吧
1.Xpath
Xpath是一門在XML中尋找資訊的語言，可用於在XML文件中對元素和屬性進行遍歷。 XQuery和xpoint都是建構在xpath表達之上
2.節點
父（parent），子（children），兄弟（ sibling），先輩（ancetstor），後代（Decendant）
3.選取節點
##路徑表達式
| 描述 | 路徑表達式 | 結果 | |
| 選取此節點上的所有的子節點 | bookstore | #選取bookstore元素的所有子節點 | |
| 從根節點上選取 | /bookstore | 選取根元素bookstore，為絕對路徑 | |
| 從符合選擇的目前節點選擇文件中的節點，不考慮位置 | //book | #選取所有的book子元素，而不管他們在文件的位置 | |
| 選取目前節點 | bookstore//book | 選擇bookstore後代中所有的book元素 | |
| 選取目前節點的父節點 | |||
| 選取屬性 | //@lang | 選取名為lang的所有屬性 |
謂語用來
查找某個特定的節點或包含某個指定的值的節點 謂語被嵌在方括號中
| 結果 | |
| 選取屬於bookstore子元素的第一個book元素 | |
| 選取屬於bookstore子元素的最後book元素 | |
| 選取屬於bookstore子元素的倒數第二個book元素 | |
| 選取最前面的兩個屬於bookstore元素的子元素的book元素 | |
| 選取所有的title元素，而這些元素擁有值為eng的lang屬性 | |
| #選取bookstore元素的所有book元素，且其中的price值大於35.0 |
#*符合任何元素節點
@* 符合任何屬性節點
node（） 符合任何類型的節點
4.lxml用法
#
#!/usr/bin/python #_*_coding:utf-8_*_ from lxml import etree text=''' <p> <ul> <li class="item-0"><a href="link1.html" rel="external nofollow" rel="external nofollow" >first item</a></li> <li class="item-1"><a href="link2.html" rel="external nofollow" >second item</a></li> <li class="item-inactive"><a href="link3.html" rel="external nofollow" >third item</a></li> <li class="item-1"><a href="link4.html" rel="external nofollow" >fourth item</a></li> <li class="item-0"><a href="link5.html" rel="external nofollow" >fifth item</a> </ul> </p> ''' # 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<a>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
以上是全面了解Python爬蟲之xlml解析庫的詳細內容。更多資訊請關注PHP中文網其他相關文章！
