对得到的HTML进行分析

我们通过Requsts.get方法得到Requests对象之后，对其中的HTML代码进行分析，已得到我们想得到的数据

一、使用Lxml库进行分析

pycharm 导入lxml库
首先得到selector对象

selector = etree.HTML(r)

之后通过Xpath进行解析

pageInfo = selector.xpath('//header[@class="listing-header"]/h1[1]/text()')

二、Xpath语法

1. 节点选取

表达式	描述
nodename	选取此节点的所有子节点
/	从根节点选取
//	相对节点选取
.	选取当前节点
..	选取当前节点的父节点
@	选取属性

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
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，而不管他们在文档中的位置
bookstore//book	选择属于bookstore元素的后代的所有book元素，而不管他们位于bookstore之下的什么位置
//@lang	选取名为lang的所有属性

2. 谓语

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。

3. 选取未知节点

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。

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。

4. 选取若干路径

通过在路径表达式中使用“|”运算符，您可以选取若干个路径。

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。