xpath和xml模块

1.xpath

1.1 xpath介绍

• XPath（XML Path Language）是⼀种XML的查询语⾔，他能在XML树状结构中寻找节点。XPath ⽤于在 XML ⽂档中通过元素和属性进⾏导航
• xml是⼀种标记语法的⽂本格式，xpath可以⽅便的定位xml中的元素和其中的属性值。lxml是python中的⼀个包，这个包中包含了将html⽂本转成xml对象，和对对象执⾏xpath的功能

1.2 xpath节点关系

xml_content = '''
     <bookstore>
         <book>
             <title lang='eng'>Harry Potter</title>
             <author>K.Rowing</author>
             <year>2005</year>
             <price>29<price>
         </book>
     </bookstore>'''

<bookstore> :文档节点
<year>2005</year> :元素节点
lang='eng' ：属性节点

⽗(Parent) book元素是title、author、year、price元素的⽗
⼦(Children) title、author、year、price都是book元素的⼦
同胞(Sibling) title、author、year、price都是同胞

2.基本使用

2.1 工具安装

- chrome 插件 xpath helper
- filefox 插件 xpath helper

表达式	描述
nodename	选取此节点内的所有子节点
/	根节点
//	从匹配选择的当前节点选择文档中的节点，而不考虑他们的位置
.	选取当前节点
..	选取当前节点的父节点
@	选取属性

查找某个特定的节点或者包含某个指定的值的节点

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子元素的第后一个book元素
/bookstore/book[last()-1]	选取属于bookstore子元素的倒数第2个book元素
/bookstore/book[position()<3]	条件限定，选择最前面的2个book元素
/title[@lang]	选取所有拥有名为lang属性的title元素
/title[@lang=‘eng’]	选取lang属性为‘eng’的title元素
/bookstore/book[price>35.00]	选取所有价格大雨35的book元素

2.2 模块的使用

• 安装 pip install lxml
• 使用

 from lxml import etree

• 作用：
  a.把html字符串转化为element对象
  b.把element对象转化为字符串或者二进制类型