python网络爬虫（第五章：xpath之数据解析）xpath解析xpath表达式

72 阅读 0 评论 48 点赞

我是靠谱客的博主想人陪战斗机，最近开发中收集的这篇文章主要介绍python网络爬虫（第五章：xpath之数据解析）xpath解析xpath表达式，觉得挺不错的，现在分享给大家，希望可以做个参考。

学习文档：https://book.apeland.cn/details/66/

xpath解析

xpath解析：最常见且最便捷高效的一种解析方式，通用性强。

1.实例化一个etree的对象，且需要将解析的页面源码数据加载到etree对象中
2.调用etree对象中的xpath方法，并结合xpath表达式实现标签的定位和内容的捕获。

pip install lxml

1.将本地的html文档中的源码数据加载到etree对象中：
	etree.parse(filePath)
2.将从互联网上获取的源码数据加载到etree对象中
	etree.HTML('page_text')
---xpath('xpath表达式')

tree = etree.parse(‘test.html’)

符号	功能	功能
/	从根节点开始已定位，表示的是一个层级	r = tree.xpath(’/html/body/div’)
//	1.表示多个层级。2.可以表示从任意位置开始定位	r = tree.xpath(’/html//div’) 或者r = tree.xpath(’//div’)
tag[@attrName=“attrValue”]	属性定位	r = tree.xpath(’//div[@class=“song”]’) 【首先从根目录定位到所有的div属性，之后经过@class定位到class=song的标签下】
tag[@attrName=“attrValue”]/tag[num]	索引定位[索引定位是从1开始的]	r = tree.xpath(’//div[@class=“song”]’) /p[3]
/@attrName	属性	r = tree.xpath(‘div[@class=“song”]/img/@src’) 表示的是div标签中class=song属性下的子img标签下的src标签内容