前言
本来打算写的标题是XPath语法，但是想了一下Python中的解析库lxml，使用的是Xpath语法，同样也是效率比较高的解析方法，所以就写成了XPath语法和lxml库的用法
XPath 即为 XML 路径语言，它是一种用来确定 XML（标准通用标记语言的子集）文档中某部分位置的语言。
XPath 基于 XML 的树状结构，提供在数据结构树中找寻节点的能力。 XPath 同样也支持HTML。
XPath 是一门小型的查询语言。
python 中 lxml库 使用的是 Xpath 语法，是效率比较高的解析方法。
下面话不多说了，来一起看看详细的介绍吧
安装
为什么要用这个库呢，因为要写爬虫啊，利用lxml库来解析 HTML 代码，同时lxml也继承了libxml2的特性自动修正HTML代码，利用pip安装即可
pip install lxml
XPath语法
XPath是一门在XML文档中查找信息的语言，可以用于在XML文档中通过元素和属性进行导航
举个栗子 😎
我们可以使用XPath提取网站地图中的所有链接，也就是说可以使用XPath去找我们HTML中的一些具体的东西
节点关系
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、注释以及文档节点（或称为根节点）
再举个栗子 😎
<urlset><url><loc>https://qq52o.me</loc><lastmod>2018-04-28T19:00:42+00:00</lastmod><changefreq>daily</changefreq><priority>1.0</priority></url></urlset>
第一个：父（Parent）
每个元素以及属性都有一个父
url元素是 loc、lastmod、changefreq以及 priority元素的父
第二个：子（Children）
元素节点可有零个、一个或多个子
loc、lastmod、changefreq以及 priority元素都是url元素的子
第三个：同胞（Sibling）
拥有相同的父的节点
loc、lastmod、changefreq以及 priority元素都是url元素的同胞
第四个：先辈（Ancestor）
某节点的父、父的父，等等
loc元素的先辈是 url元素和 urlset元素
第五个：后代（Descendant）
某个节点的子，子的子，等等
urlset的后代是url、loc、lastmod、changefreq以及 priority元素
如果你分不清楚，就按照子元素从上到下的去找元素节点
选取节点
XPath使用路径表达式在 XML 文档中选取节点，节点是通过沿着路径或者 step 来选取的，也就是上面所说的按照子元素从上到下去找元素节点
这些是最有用的路径表达式 💡
| 表达式 | 描述 |
|---|---|
| nodename | 选取此节点的所有子节点 |
| /
学习交流
热门图片
猜你喜欢的新闻
新闻热点  2020-02-16 09:52:44
 2020-02-15 15:53:44
 2020-02-11 22:02:38
 2020-02-11 21:45:12
 2020-02-07 10:36:18
 2020-02-06 12:16:44
疑难解答 |
