目录
xpath是简单粗暴的
就几个符号（..表示向上，/表示向下，@是属性，[ ]是条件）。
- 导包：?? ? ? ? ??from lxml import etree
- 文本转为树：tree=etree.HTML(服务器响应text)? ?/? tree = etree.parse（本地html）? ?
- 解析：? ? ? ? ? ?tree.xpath(表达式)
| 表达式 | 作用 | 示例说明 |
|---|---|---|
| / | 绝对定位：从根节点开始查询 | /html/body/div[1] |
| // | 相对定位：任意节点查询匹配 | /html//div[1] |
| ./ | 选取当前节点 | |
| ../ | 选取当前节点的父节点。 | |
| @ | 选取属性? | ??//标签名[@元素名称='元素值'] ?//input[@id='kw'] |
| [ ] | 条件定位 | //div[ @id = 'id_name' ]? //div[ 1 ]????索引查询 |
| /text（） | 获取标签下直系的标签文本 | //span/text() |
| last() | 定位到最后一个 | //标签名[last()] //span/ul//li[last()] |
| 逻辑表达 and? | 标签名[@元素名称='元素值' and @元素名称='元素值'] //input[@id='kw' and @class='s_ipt'] | |
| 逻辑表达 or? | // 标签名[@元素名称='元素值' or @元素名称='元素值'] //input[@id='kw' or @class='s_t'] | |
| 逻辑表达 非 | //标签名称[@元素名称 != '元素值'] //input[@class!='1111'] | |
| 逻辑表达 not() | //标签名[not(.='元素值')? ? ? ? ?. 代表的是 text() //year[not(.='aaa')] //li[not(@id="model")]? | |
| 模糊匹配 | //标签名[contains(text(), "内容"]? ? ★ //div[contains(text(), "aaa")] | |
| 精确匹配 | //标签名[(text()='内容')] //div[(text()='呵呵')] | |
解析a.html文本：
<!DOCTYPE html>
<head>
<meta charset="UTF-8"/> <title>标题</title>
</head>
<body>
<div>
<ul>
<li id="name" class="bookName"><span>java</span></li>
<li id="model"><span>python</span></li>
<li class="price"><span>js</span></li>
<li class="author"><span>c</span></li>
</ul>
</div>
</body>
</html>需求：获取span标签中的文本：
# author: keep_di
# 01-xpathtest.py
from lxml import etree
tree = etree.parse('a.html') #读取的本地文件
#需求：获取li中的文本
lst1 = tree.xpath('//span/text()') # xpath返回是列表
print(lst1) # ['java', 'python', 'js', 'c']