Python爬虫指南之XPath实例解析

专注于为中小企业提供成都做网站、网站设计服务,电脑端+手机端+微信端的三站合一,更高效的管理,为中小企业恩施土家免费做网站提供优质的服务。我们立足成都，凝聚了一批互联网行业人才，有力地推动了成百上千企业的稳健成长，帮助中小企业通过网站建设实现规模扩充和转变。

什么是XPath?

XPath(XML Path Language)是一种在XML文档中查找信息的语言，它可以用来在XML文档中对元素和属性进行遍历，XPath 是一种非常强大的工具，可以用于在 XML 文档中查找信息，包括但不限于：选取节点、选取属性、选取符合条件的节点等。

XPath的基本语法

XPath 的基本语法包括以下几部分：

1、节点选择：通过节点名称来选取节点。

2、谓语：用于描述节点之间的关系，如“/”、“//”、“.”、“..”等。

3、谓语参数：表示节点的属性或文本内容。

4、轴：用于指定节点的路径关系，如“ancestor”、“child”、“descendant”、“following”、“preceding”等。

5、谓语运算符：用于对节点进行筛选，如“[position()]”、“[last()]”、“[1]”等。

XPath的实际应用

下面我们通过一个实际的例子来演示如何使用 XPath 进行网页抓取，假设我们有如下的 HTML 代码：

  
    
  
  
    

      
欢迎来到示例网页
      

        
示例网站1
        
示例网站2
        
示例网站3
      
    
  

我们想要获取所有的链接，可以使用如下的 XPath 表达式：

//a/@href

这个表达式的意思是：选取所有 标签下的 href 属性，运行上述代码，我们可以得到如下的结果：

['https://www.example1.com', 'https://www.example2.com', 'https://www.example3.com']

from lxml import etree
html = '''
这是一个段落。
'''
root = etree.fromstring(html)
if root.find('p') is not None:
    print("段落存在")
else:
    print("段落不存在")

from lxml import etree
html = '''
这是一个段落。
这是一个跨度。
'''
root = etree.fromstring(html)
children = root.find('parent').findall('*')
for child in children:
    print(etree.tostring(child, encoding='utf-8').decode('utf-8'))

from lxml import etree
html = '''
这是一个段落。
这是一个跨度。
'''
root = etree.fromstring(html)
element = root.find('parent/p')
for ancestor in element.iterancestors():
    print(etree.tostring(ancestor, encoding='utf-8').decode('utf-8'))

本文标题：pythonxhr爬取
分享网址：http://www.shufengxianlan.com/qtweb/news14/534914.html

网站建设、网络推广公司-创新互联，是专注品牌与效果的网站制作，网络营销seo公司；服务项目有等

广告

声明：本网站发布的内容（图片、视频和文字）以用户投稿、用户转载内容为主，如果涉及侵权请尽快告知，我们将会在第一时间删除。文章观点不代表本网站立场，如需处理请联系客服。电话：028-86922220；邮箱：631063699@qq.com。内容未经允许不得转载，或转载时需注明来源： 创新互联