2019-05-29 2-3 xpath及html基础知识

目前看到2-5

xPath:
1.一种HTML和XML的查询语言，他能在XML和HTML的树状结构中寻找节点
2.安装 pip install lxml

屏幕快照 2019-05-29 下午9.38.39.png

超文本，不仅仅是文本
url 唯一对应

css就是样式

屏幕快照 2019-05-29 下午9.46.18.png 屏幕快照 2019-05-29 下午9.50.16.png

单斜杠是根路径开始匹配
双斜杠是随便哪里开始匹配

#使用xpath
from lxml import html


def parse():
    """ 将html文件中的内容，使用xpath进行提取 """
    # 读取文件中的内容
    f = open('./static/index.html', 'r', encoding='utf-8')
    s = f.read()

    selector = html.fromstring(s)
    # 解析H3标题
    h3 = selector.xpath('/html/body/h3/text()')
    print(h3[0]) #[0]是为了数组的切割


    # 解析ul下面的内容
    # ul = selector.xpath('/html/body/ul/li')
    ul = selector.xpath('//ul/li')
    print(len(ul))
    for li in ul:
        print(li.xpath('text()')[0])

    # 解析ul指定的元素值
    ul2 = selector.xpath('/html/body/ul/li[@class="important"]/text()')
    print(ul2)

    # 解析a标签的内容
    a = selector.xpath('//div[@id="container"]/a/text()')
    # 标签内的内容
    print(a[0])
    # href属性
    alink = selector.xpath('//div[@id="container"]/a/@href')
    print(alink[0])

    # 解析P标签
    p = selector.xpath('/html/body/p[last()]/text()')
    print(len(p))
    print(p[0])

    test = selector.xpath('/html/body/ul/li[3]/text()')
    print(test[0])

    f.close()



if __name__ == '__main__':
    parse()

偷懒的方法 直接右键检查元素。复制xpath