当我们爬取网页的时候，里面的数据是杂乱的，我们实际上只需要对应页面中的某些内容，那么我们如何将其筛选出来呢？我们使用xpath就可以准确的采集到我们需要的数据，从而摒弃那些对我们“无用”的数据。
1、安装xpath
推荐主流浏览器：Google浏览器
点击Google浏览器的扩展程序，然后再点击左上角的三个横杠，在弹出的页面中点击左下角的打开Chrome网上应用商店，如下图所示：
然后在里面搜索XPath Helper，如下图所示：
点击右边的安装即可，我这里是因为安装过，所以显示的是从Chrome中删除；
安装完毕之后的效果如下，在浏览器右上角点击之后，界面如下（如果你安装完成之后，点击XPath Helper按钮没反应，刷新下页面即可，再次重开浏览器就不会有这样的问题）：
左边我们输入XPath语法之后，右边框就会显示出来具体筛选出来的数据。
2、Xpath语法
（1）选取节点
表达式描述示例结果nodename选取此节点的所有子节点bookstore选取bookstore下所有的子节点/如果是在最前面，代表从根节点选取。否则选择某节点下的某个节点/bookstore选取根元素下所有的bookstore节点//从全局节点中选择节点，随便在哪个位置//book从全局节点中找到所有的book节点@选取某个节点的属性//book[@price]选择所有拥有price属性的book节点.当前节点./a选取当前节点下的a标签（2）谓语
路径表达式描述/bookstore/book[1]选取bookstore下的第一个子元素/bookstore/book[last()]选取bookstore下的倒数第二个book元素。bookstore/book[position()<3]选取bookstore下前面两个子元素。//book[@price]选取拥有price属性的book元素//book[@price=10]选取所有属性price等于10的book元素（3）通配符
通配符描述示例结果*匹配任意节点/bookstore/*选取bookstore下的所有子元素。@*匹配节点中的任何属性//book[@*]选取所有带有属性的book元素。（4）多个路径选取
//bookstore/book | //book/title
# 选取所有book元素以及book元素下所有的title元素（5）使用方法
咋看懂呢，如果说一个页面返回了很多内容，一点点去从上往下翻看也是比较麻烦的，其实我们可以使用浏览器快速定位到具体的XPath值，如下图：
（5.1）选中
浏览器访问到具体页面之后，右击选择检查，弹出如下界面；
然后点击如下框中的内容：
（5.2）复制
然后我们就会发现会跳到具体的html代码中，这个时候我们右击复制--复制Xpath，这个时候我们就获取到了我们想筛选出来的数据的具体XPath路径了；
比如我这里复制出来的值如下：
//*[@id="js_content"]/section[1]/blockquote[1]/p我们可以使用浏览器中我们安装的Xpath Helper检查下，截图如下：
至此，本文结束，更多相关内容，每日更新。
更多内容请转至VX公众号 “运维家” ，获取最新文章。
------ “运维家” ------
------ “运维家” ------
------ “运维家” ------
linux卸载硬盘，win7共享linux，linuxgdal安装，Linux7忘记密码，linux怎么进入文件的子目录，高通开源代码linux，linuxusr大小，重启服务器的linux命令，linux的jdk怎么安装啊；
linuxtar文件打不开，linux常用状态检测，linux成功开机界面，linux七种文件，linux命令，Linux+删除数据的命令，linux自动监听重启服务器，如何快速担任linux运维，Linux返回到波浪线，linux大数据架构搭建。
网友评论