首页 / 爬虫 / 初探python爬虫（四）——xpath

初探python爬虫（四）——xpath

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了初探python爬虫（四）——xpath，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1316字，纯文字阅读大概需要2分钟。

内容图文

在爬虫时可以使用xpath做相应的信息抽取

xpath常用规则

表达式 描述
nodename 选取此接待你的所有子节点
/ 从当前节点选取直接子节点
// 从当前节点选取子孙节点
. 选取当前节点
… 选取当前子节点的父节点
@ 选取属性

安装
cmd-》pip3 install lxml

实例

##第一种方式，直接再python代码中解析html字符串


#导入lxml，下面两句话相当于from lxml import etree
#只不过在python之后的lxml模块中不再能直接应仍有etree模块
from lxml import html
etree = html.etree

text='''
<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <title>表单验证01</title>
</head>
<body>
    <ul>
    <li><a href ="/a/b/c/java/" >java</a></li>
    <li><a href ="/a/b/c/python/" >python</a></li>
    <li><a href ="/a/b/c/ai/" >ai</a></li>
    
    </ul>
</body>
</html>

'''
#使用etree解析html中的字符串
html = etree.HTML(text)
# print(html)
#提取是数据
r= html.xpath('/html/body/ul/li/a')
# print(r)#[<Element a at 0x16f6748>, <Element a at 0x16f6828>, <Element a at 0x16f6968>]

# r= html.xpath('/html/body/ul/li/a/text()')
# print(r) #['java', 'python', 'ai']

r= html.xpath('/html/body/ul/li[1]/a/text()')
print(r) #['java']



'''
/   当前元素的直接字节点
//  当前元素的子节点或者孙子节点

text()  获取文本
@attr   获取属性对应的值


获取第一个
li[1]

获取最后一个
li[last]

获取前两个
li[position()<3]

获取倒数第三个
li[last()-2]


'''
HadwinLing 发布了34 篇原创文章 · 获赞 11 · 访问量 5544 私信 关注

内容总结

以上是互联网集市为您收集整理的初探python爬虫（四）——xpath全部内容，希望文章能够帮你解决初探python爬虫（四）——xpath所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

扫描二维码推送至手机访问。

本文链接：https://qyyshop.com/info/642704.html

来源：【匿名】