+关注
已关注

分类  

暂无分类

标签  

暂无标签

日期归档  

2019-03(1)

2019-06(1)

2019-07(6)

2019-08(112)

2019-09(101)

Python|快速掌握Python爬虫XPath语法

发布于2021-02-20 07:21     阅读(194)     评论(0)     点赞(24)     收藏(3)


0

1

2

3

4

5

6

1.什么是XPath?

xpath是一门在XML和HTML文档中查找信息的语言,可用来在XML和HTML文档中对元素和属性进行遍历,XPath 通过使用路径表达式来选取 XML 文档中的节点或者节点集。这些路径表达式和在常规的电脑文件系统中看到的表达式非常相似。

2.XPath语法

想要学好xpath,首先要搞明白html文档中的节点。

 

 

以上是在网上随便找的一段html的文本,可以观察得到,div的标签下是ul标签,而ul标签下是li标签,于是发现html的标签是一级一级如树状的。Xpath正是通过这样的方式去寻找。以生活中举例,要确定一个人的位置,首先确定他在中国,然后确定他在某个省份,哪座城市,那个小区,最后找到他。

 


同级标签可以用li[1],li[2],li[3]的方式获取

3.lxml库

简单介绍一下lxml库,接下来会用到它

lxml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。

lxml和正则一样,也是用C实现的,是一款高性能的PythonHTML/XML解析器,可以利用之前学习的XPath语法,来快速的定位特定元素以及节点信息。

4.实际案例

随便爬取一个网站,找到找到网站的html文本,如下图

 

 

要找到title和href,仔细观察可以得到路径分别是//div[@id="resultList"]/div[@class="el"]/p/span/a/@title

//div[@id="resultList"]/div[@class="el"]/p/span/a/@href

运行如下:

 

5.总结

Xpath,是在爬虫中常见的提取数据的方式之一,相比于正则,它更加简单一些,便于操作,xpath的难点在于准确的确定数据所在的位置。

原文链接:https://www.cnblogs.com/python147/p/14416185.html

0

1

2

3

4



所属网站分类: 技术文章 > 博客

作者:忘也不能忘

链接: https://www.pythonheidong.com/blog/article/837465/2722cf6b96a81fa7b4af/

来源: python黑洞网

任何形式的转载都请注明出处,如有侵权 一经发现 必将追究其法律责任

24 0
收藏该文
已收藏

评论内容:(最多支持255个字符)