python爬虫xpath的语法

python爬虫xpath的语法

https://www.cnblogs.com/lonenysky/p/4649455.html

Xpath语法笔记

https://www.cnblogs.com/MUMO/p/5732836.html

python xpath 基本用法

https://www.cnblogs.com/zhang-pengcheng/p/4294930.html

XPath 是一门在 XML 文档中查找信息的语言。XPath 可用来在 XML 文档中对元素和属性进行遍历。

XPath 是 W3C XSLT 标准的主要元素，并且 XQuery 和 XPointer 都构建于 XPath 表达之上。

因此，对 XPath 的理解是很多高级 XML 应用的基础。

这个是w3c上关于xpath的介绍，可以看出xpath是在xml文档中查询信息的语言

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（根）节点。XML 文档是被作为节点树来对待的。树的根被称为文档节点或者根节点。

根节点在xpath中可以用“//”来啊表示

XPath 使用路径表达式来选取 XML 文档中的节点或节点集。节点是通过沿着路径 (path) 或者步 (steps) 来选取的。

接下来一个例子

表达式描述

nodename选取此节点的所有子节点。

/从根节点选取。

//从匹配选择的当前节点选择文档中的节点，而不考虑它们的位置。

.选取当前节点。

..选取当前节点的父节点。

@选取属性。

在下面的表格中，我们已列出了一些路径表达式以及表达式的结果：

路径表达式结果

bookstore选取 bookstore 元素的所有子节点。

/bookstore选取根元素 bookstore。 注释：假如路径起始于正斜杠( / )，则此路径始终代表到某元素的绝对路径！

bookstore/book选取属于 bookstore 的子元素的所有 book 元素。

//book选取所有 book 子元素，而不管它们在文档中的位置。

bookstore//book选择属于 bookstore 元素的后代的所有 book 元素，而不管它们位于 bookstore 之下的什么位置。

//@lang选取名为 lang 的所有属性。

选取根元素 bookstore。

注释：假如路径起始于正斜杠( / )，则此路径始终代表到某元素的绝对路径！

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。

在下面的表格中，我们列出了带有谓语的一些路径表达式，以及表达式的结果：

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 子元素的最后一个 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]选取所有拥有名为 lang 的属性的 title 元素。

//title[@lang='eng']选取所有 title 元素，且这些元素拥有值为 eng 的 lang 属性。

/bookstore/book[price>35.00]选取 bookstore 元素的所有 book 元素，且其中的 price 元素的值须大于 35.00。

/bookstore/book[price>35.00]/title选取 bookstore 元素中的 book 元素的所有 title 元素，且其中的 price 元素的值须大于 35.00。

XPath 通配符可用来选取未知的 XML 元素。

通配符描述

*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。

在下面的表格中，我们列出了一些路径表达式，以及这些表达式的结果：

路径表达式结果

/bookstore/*选取 bookstore 元素的所有子元素。

//*选取文档中的所有元素。

//title[@*]选取所有带有属性的 title 元素。

通过在路径表达式中使用“|”运算符，您可以选取若干个路径。

在下面的表格中，我们列出了一些路径表达式，以及这些表达式的结果：

路径表达式结果

//book/title | //book/price选取 book 元素的所有 title 和 price 元素。

//title | //price选取文档中的所有 title 和 price 元素。

/bookstore/book/title | //price选取属于 bookstore 元素的 book 元素的所有 title 元素，以及文档中所有的 price 元素。

选取属于 bookstore 元素的 book 元素的所有 title 元素，以及文档中所有的 price 元素。

这些就是xpath的语法内容

在运用到python抓取时要先转换为xml

Import lxml