python爬虫xpath的语法python爬虫xpath的语法

有朋友问我正则，，okey，其实我的正则也不好，但是python下xpath是相对较简单的

简单了解一下xpath：

xpath 是一门在 xml 文档中查找信息的语言。xpath 可用来在 xml 文档中对元素和属性进行遍历。

xpath 是 w3c xslt 标准的主要元素，并且 xquery 和 xpointer 都构建于 xpath 表达之上。

因此，对 xpath 的理解是很多高级 xml 应用的基础。

这个是w3c上关于xpath的介绍，可以看出xpath是在xml文档中查询信息的语言

在 xpath 中，有七种类型的节点：元素、属性、文本、命名空间、处理指令、注释以及文档（根）节点。xml 文档是被作为节点树来对待的。树的根被称为文档节点或者根节点。

根节点在xpath中可以用“//”来啊表示

xpath 使用路径表达式来选取 xml 文档中的节点或节点集。节点是通过沿着路径 (path) 或者步 (steps) 来选取的。

接下来一个例子

表达式

描述

nodename

选取此节点的所有子节点。

/

从根节点选取。

//

从匹配选择的当前节点选择文档中的节点，而不考虑它们的位置。

.

选取当前节点。

..

选取当前节点的父节点。

@

选取属性。

在下面的表格中，我们已列出了一些路径表达式以及表达式的结果：

路径表达式

结果

bookstore

选取 bookstore 元素的所有子节点。

/bookstore

选取根元素 bookstore。

注释：假如路径起始于正斜杠( / )，则此路径始终代表到某元素的绝对路径！

bookstore/book

选取属于 bookstore 的子元素的所有 book 元素。

//book

选取所有 book 子元素，而不管它们在文档中的位置。

bookstore//book

选择属于 bookstore 元素的后代的所有 book 元素，而不管它们位于 bookstore 之下的什么位置。

//@lang

选取名为 lang 的所有属性。

谓语用来查找某个特定的节点或者包含某个指定的值的节点。

谓语被嵌在方括号中。

在下面的表格中，我们列出了带有谓语的一些路径表达式，以及表达式的结果：

/bookstore/book[1]

选取属于 bookstore 子元素的第一个 book 元素。

/bookstore/book[last()]

选取属于 bookstore 子元素的最后一个 book 元素。

/bookstore/book[last()-1]

选取属于 bookstore 子元素的倒数第二个 book 元素。

/bookstore/book[position()<3]

选取最前面的两个属于 bookstore 元素的子元素的 book 元素。

//title[@lang]

选取所有拥有名为 lang 的属性的 title 元素。

//title[@lang='eng']

选取所有 title 元素，且这些元素拥有值为 eng 的 lang 属性。

/bookstore/book[price>35.00]

选取 bookstore 元素的所有 book 元素，且其中的 price 元素的值须大于 35.00。

/bookstore/book[price>35.00]/title

选取 bookstore 元素中的 book 元素的所有 title 元素，且其中的 price 元素的值须大于 35.00。

xpath 通配符可用来选取未知的 xml 元素。

通配符

*

匹配任何元素节点。

@*

匹配任何属性节点。

node()

匹配任何类型的节点。

在下面的表格中，我们列出了一些路径表达式，以及这些表达式的结果：

/bookstore/*

选取 bookstore 元素的所有子元素。

//*

选取文档中的所有元素。

//title[@*]

选取所有带有属性的 title 元素。

通过在路径表达式中使用“|”运算符，您可以选取若干个路径。

//book/title | //book/price

选取 book 元素的所有 title 和 price 元素。

//title | //price

选取文档中的所有 title 和 price 元素。

/bookstore/book/title | //price

选取属于 bookstore 元素的 book 元素的所有 title 元素，以及文档中所有的 price 元素。

这些就是xpath的语法内容

在运用到python抓取时要先转换为xml

import lxml 　　　　　　#首先要先导入库

xpath 选取节点时使用的表达式是一种路径表达式。节点是通过路径（path）或者步（steps）来选取的。

本章使用以下 xml 文档作为示例。

以下为基本路径的表达方式，记住 xpath 的路径表达式都是基于某个节点之上的，例如最初的当前节点一般是根节点，这与 linux 下路径切换原理是一样的。

选取已匹配节点下名为 nodename 的子元素节点。

如果以 / 开头，表示从根节点作为选取起点。

在已匹配节点后代中选取节点，不考虑目标节点的位置。

选取当前节点的父元素节点。

预判是用来查找某个特定的节点或者符合某种条件的节点，预判表达式位于方括号中。

匹配任何元素。

匹配任何属性。

使用 "|" 运算符，你可以选取符合“或”条件的若干路径。