【下载文档:  Python爬虫之xlml解析库(全面了解).txt 】

---

Python爬虫之xlml解析库(全面了解)
1.Xpath
Xpath是一门在XML中查找信息的语言，可用来在XML文档中对元素和属性进行遍历。XQuery和xpoint都是构建于xpath表达之上
2.节点
父（parent），子（children），兄弟（sibling），先辈（ancetstor），后代（Decendant）
3.选取节点
路径表达式
表达式
描述
路径表达式
结果
nodename
选取此节点上的所有的子节点
bookstore
选取bookstore元素的所有子节点
/
从根节点上选取
/bookstore
选取根元素bookstore，为绝对路径
//
从匹配选择的当前节点选择文档中的节点，不考虑位置
//book
选取所有的book子元素，而不管他们在文档的位置
.
选取当前节点
bookstore//book
选择bookstore后代中所有的book元素
..
选取当前节点的父节点
@
选取属性
//@lang
选取名为lang的所有属性
谓语
　　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
路径表达式
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='eng']
选取所有的title元素，并且这些元素拥有值为eng的lang属性
/bookstore/book[price>35.0]
选取bookstore元素的所有book元素，且其中的price值大于35.0
选取未知节点（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
4.lxml用法
#!/usr/bin/python
#_*_coding:utf-8_*_
from lxml import etree
text='''

'''
# html=etree.HTML(text) #html对象，存储在地址中，有自动修正功能
# result=etree.tostring(html) #将html对象转化为字符串
html=etree.parse('hello.html')
# result=etree.tostring(html,pretty_print=True)
# print result
print type(html)
result= html.xpath('//li')
print result
print len(result)
print type(result)
print type(result[0])
print html.xpath('//li/@class') # 获取li标签下的所有的class
print html.xpath('//li/a[@href="link1.html" rel="external nofollow" rel="external nofollow" ]') #获取li标签下href为link1的标签
print html.xpath('//li//span') #获取li标签下所有的span标签
print html.xpath('//li[last()-1]/a')[0].text #获取倒数第二个元素的内容
以上这篇Python爬虫之xlml解析库(全面了解)就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持中文源码网。