by 某某白米飯
XPath 全稱為 Xml Path Language，即 Xml 路徑語言，是一種在 Xml 文檔中查找資訊的語言。它提供了非常簡潔的路徑選擇表達式，幾乎所有的節點定位都可以用它來選擇。
XPath 可以用于 Xml 和 Html，在爬蟲中經常使用 XPath 擷取 Html 文檔内容。
lxml 是 Python 語言用 Xpath 解析 XML、Html文檔功能最豐富的、最容易的功能子產品。
在 XPath 中有七種節點分别是元素、屬性、文本、文檔、命名空間、處理指令、注釋，前3種節點為常用節點
請看下面的 Html 例子，(注：這個例子全文都需要使用)
在上面的例子中
在 XPath中有多中節點關系分别是父節點、子節點、同胞節點、先輩節點、後代節點
父節點：每個元素以及屬性都有一個父節點，如：div 節點的父節點是 body 節點
子節點：元素節點可有零個、一個或多個子節點，如：第一個 ul 節點的子節點是4個 li 節點
同胞節點：擁有相同的父節點的節點，如：兩個 div 節點是同胞節點
先輩節點：某節點的父節點、父節點的父節點...，如：ul 節點的先輩節點有 div 節點、body 節點
後代節點：某個節點的子節點，子節點的子節點...，如：body 節點的後代節點有div 節點、ul 節點、li 節點
表達式
描述
nodeName
選擇nodeName節點的所有子節點
/
從根節點開始
//
從比對的節點開始選擇節點
.
選擇目前節點
..
選擇目前節點的父節點
@
選擇元素
| 比對任意元素節點
@* | 比對任意屬性節點
用上面的 Html 文檔舉個例子
路徑表達式
body
選取 body 的所有子節點
/html
選取 html 節點
//div
選取所有 div 節點
//div/./h4
div 節點下的 h4 節點
../div
選取目前節點的父節點下的所有 div 節點
//@class
所有帶有 class 元素的節點
//*
選擇所有節點
//@*
選擇所有屬性節點
position()
傳回節點的 index 位置
last()
傳回節點的個數
contains(string1,string2)
string1 是否包含 string2
text()
傳回文本節點
comment()
傳回注釋節點
normalize-space(string)
去除首位空格，中間多個空格用一個空格代替
substring(string,start,len)
傳回從 start 位置開始的指定長度的子字元串,第一個字元下标為1
substring-before(string1,string2)
傳回string1中位于第一個string2之前的部分
substring-after(string1,string2)
傳回string1中位于第一個string2之後的部分
同樣用上面的Html文檔舉個例子
//div[position()>1]
選擇第二個 div 節點
//div[last()]
選擇最後一個 div 節點
contains(//h4[2],'手機')
第二個 h4 标簽是否包含手機字元串
//li/text()
li 節點中的文本内容
//div/comment()
div 節點下的 html 注釋
normalize-space(//li[@class='blank'])
li 節點下 class屬性為 blank 的文本去掉空格
substring(//h4[1],1,2)
第一個 h4 節點的前2個字
substring-before(//h4[1],'品牌商')
第一個 h4 節點的品牌商字元串之前的字元串
substring-after(//h4[1],'品牌商')
第一個 h4 節點的品牌商字元串之後的字元串
XPath 中的謂語就是删選表達式，相當于 SQL 中的 Where 條件，謂語被嵌在 [ ] 中
//div[1]
選擇第一個 div 節點
//div[2]/ul/li[last()]
選擇第二個 div 節點下的最後一個 li 節點
//div[2]/ul/li[position()>3]
選擇第二個 div 節點下的前兩個 li 節點
//ul[@class]
選擇所有帶 class 屬性的 ul 節點
//ul[@class='computer']
選擇 class 屬性為 computer 的 ul 節點
//h4[span = 4]
選擇 h4 節點下 span 值等于4的節點
以上内容介紹了 XPath 的基本文法，下面将介紹 XPath 如何在 Python 中使用。
lxml.etree 一個強大的 Xml 處理子產品，etree 中的 ElementTree 類是一個主要的類，用于對XPath的解析、增加、删除和修改節點。
etree.parse() 函數可以解析一個網頁檔案還可以解析字元串， 在網頁中下載下傳的資料一般都是字元串形式的，使用 parse(StringIO(str)) 将整個頁面内容解析加載建構一個 ElementTree 對象，ElementTree 可以使用 XPath 文法精準找到需要的資料。
1.加載頁面到記憶體
結果：
2.擷取所有 li 标簽資料
3.擷取帶 class='blank' 屬性資料
4.屬性操作
5.擷取最後一個div标簽資料
結果
6.添加子節點
7.删除子元素
8.周遊元素後代
在 google 浏覽器開發者模式下，Elements 界面選擇元素後右鍵 Copy，可以 Copy 元素的 XPath 路徑
XPath Helper 是一個 google 浏覽器插件，可以驗證 XPath 是否正确
學習了 XPAth 的知識，可以快速比對單個或多個元素節點和屬性，在工作中大大加快了工作的效率。
lxml 是一個 Python 中強大的 Xml 和 Html 處理子產品，結合 XPath 的使用在程式中快速、便捷的分析、修改網頁内容。
示例代碼：Python-100-days-day064
關注公衆号：python技術，回複"python"一起學習交流
作者：純潔的微笑
出處：www.ityouknow.com
資源：微信搜【純潔的微笑】關注我，回複 【程式員】【面試】【架構師】有我準備的一線程式必備計算機書籍、大廠面試資料和免費電子書。 一共1024G的資料，希望可以幫助大家提升技術和能力。
本文如對您有幫助，還請多幫 【推薦】 下此文。
點我了解：Tooool-程式員一站式導航網站