Scrapy基础(三) ------xpath基础

时间：2023-03-09 04:04:21
Scrapy基础(三) ------xpath基础

xpath简介

　　1,使用路径表达式在xml和html中解析
  　 2,包含标准函数路（所有库支持的xpath语法一致）
      3,W3C标准

节点:

 <body>                        第一个节点： <html>

     <a>                        <head> 与 <body>;<a> 与<div>;<h1>与<h2> 为同胞节点

     <div>                    <h1> 是</span> 的父节点,同理<span> 是<h1> 的子节点

         <h1>                因为<span> 是<h1> 的子节点,<h1>是<div>的子节点，所以<div>是<span>

             <span>            的先辈节点，同理,<span>是<div>的子孙节点

             </span>

         </h1>

         <h2>

         </h2>

     </div>

     </a>

 </body>

基本语法：

　　举例元素标签为artical标签

　　一：

　　artical 选取所有artical元素的子节点

/artical 选取根元素artical
        artical/a 选取所有属于artical的子元素a元素
        //div    选取所有div 子元素，无论div在任何地方
        artical//div  选取所有属于artical的div 元素,无论div元素在artical的任何位置
        //@class 选取所有名为class 的属性的
    二：谓语    
        /artical/div[1]   选取所有属于artical 子元素的第一个div元素
        /artical/div[last()]  选取所有属于artical子元素的最后一个元素
        /artical/div[last()-1] 选取所有属于artical子元素的倒数低2个元素
        //div[@lang]   选取所有拥有属性为lang的元素
        //div[@lang="eng"] 选取所有div下lang属性为eng的元素

三：
        /div/* 选取所有属于div元素的所有子节点
        //*    选取所有元素
        //div[@*]   选取所有带属性的title元素
        //div/a|//div/p   选取所有div元素的a和p 元素
        //span | //ul   选取文档中所有span和ul 的元素
        artical/div/pl|//span  选取所有div下的pl和文档中所有span
注意事项：
    1) 按照审查元素的写法不一定正确，要按照网页源码的才行
        因为不一样，网页源码才是你看到的
    2) 浏览器有自带的复制xpath功能，审查元素你试试，不同浏览器不同方法
    3) xpath有c的速度，所以按照[@class=""]准确性较高

相关文章