這篇文章為大家帶來了關於python的相關知識，其中主要介紹了xpath的相關問題，XPath，全名為XML Path Language，即XML路徑語言，它是一門在XML文件中查找資訊的語言，希望對大家有幫助。
推薦學習：python教學
XPath，全名為XML Path Language，即XML路徑語言，它是一門在XML文件中尋找資訊的語言，它最初是用來搜尋XML文檔的，但是它同樣適用於HTML文檔的搜尋
XPath的選擇功能十分強大，它提供了非常簡潔的路徑選擇表達式，另外，它也提供了超過100個內建函數，用於字串、數值、時間的匹配以及節點、序列的處理等，幾乎所有我們想要定位的節點，都可以用XPath來選擇
實現標籤的定位：實例化一個etree的對象，且需要將被解析的頁面源碼資料載入到該對像中。
呼叫etree物件中的xpath方法結合著xpath表達式實現標籤的定位和內容的捕獲。
pip install lxml
lxml是python的一個解析庫，支援HTML和XML的解析，支援XPath解析方式，而且解析效率非常高
1.將本地的html文檔中的源碼資料載入到etree物件中:
etree. parse(filePath)#你的文件路径
2.可以將從網路上取得的來源碼數據載入到該物件中
etree.HtML('page_ text')#page_ text互联网中响应的数据| #表達式 | 描述 |
|---|---|
| #nodename | |
| #/ | |
| // | |
| . | |
| #… | |
| @ | |
| * | |
| @* | |
| #[@attrib] |
这是一个HTML的文档
<meta> <title>测试bs4</title> <p> </p><p>百里守约</p> <p> </p><p>李清照</p> <p>王安石</p> <p>苏轼</p> <p>柳宗元</p> <a> <span>this is span</span> 宋朝是最强大的王朝，不是军队的强大，而是经济很强大，国民都很有钱</a> <a>总为浮云能蔽日,长安不见使人愁</a> <img alt="python實例詳解之xpath解析" > <p> </p>
从浏览器中打开是这样的
为了方便直观，我们对写个HTML文件进行本地读取进行测试
先来看子节点和子孙节点，我们从上往下找p这个节点，可以看到p的父节点是body，body父节点是html
定位到这个HTML的p对象中，看上面html源码，可以知道有三个p对象
我们通过三种不同的方法来输出这个节点的信息，可以看到输出的是三个一样的Element，也就是这三种方法实现的功能是一样的。
import requestsfrom lxml import etree
tree = etree.parse('test.html')r1=tree.xpath('/html/body/p') #直接从上往下挨着找节点r2=tree.xpath('/html//p')#跳跃了一个节点来找到这个p节点的对象r3=tree.xpath('//p')##跳跃上面所有节点来寻找p节点的对象r1,r2,r3>>([<element>,
<element>,
<element>],
[<element>,
<element>,
<element>],
[<element>,
<element>,
<element>])</element></element></element></element></element></element></element></element></element>如果我只想要p里面song这一个标签，就可以对其属性定位
当然返回的还是一个element
r4=tree.xpath('//p[@class="song"]')r4>>>[<element>]</element>如果我只想获得song里面的苏轼的这个标签
我们找到了song，/p可以返回里面的所有标签，
tree.xpath('//p[@class="song"]/p')>>[<element>,
<element>,
<element>,
<element>]</element></element></element></element>这个单独返回的苏轼的p标签，要注意的是这里的索引不是从0开始的，而是1
tree.xpath('//p[@class="song"]/p[3]')[<element>]</element>比如我想取杜牧这个文本内容
和上面一样，我们要定位到杜牧的这个a标签，首先要找到他的上一级 li ，这是第五个 li 里面的a所以就有了下面的写法，text()是把element转化为文本，当然上面的在后面加个text（）都可以展示文本内容。
tree.xpath('//p[@class="tang"]//li[5]/a/text()')>>['杜牧']可以看到这个返回的是一个列表，如果我们想取里面的字符串，可以这样
tree.xpath('//p[@class="tang"]//li[5]/a/text()')[0]杜牧看一个更直接的，//li 直接定位到 li这个标签，//text（）直接将这个标签下的文本提取出来。但要注意，这样会把所有的li标签下面的文本提取出来，有时候你并不想要的文本也会提取出来，所以最好还是写详细一点，如具体到哪个p里的li。
tree.xpath('//li//text()')['清明时节雨纷纷,路上行人欲断魂,借问酒家何处有,牧童遥指杏花村',
'秦时明月汉时关,万里长征人未还,但使龙城飞将在,不教胡马度阴山',
'岐王宅里寻常见,崔九堂前几度闻,正是江南好风景,落花时节又逢君',
'杜甫',
'杜牧',
'杜小月',
'度蜜月',
'凤凰台上凤凰游,凤去台空江自流,吴宫花草埋幽径,晋代衣冠成古丘']比如我想取下面这个属性
可以直接用@取属性
tree.xpath('//p[@class="song"]/img/@src')['http://www.baidu.com/meinv.jpg']或者如果我想取所有的href这个属性，可以看到tang和song的所有href属性
tree.xpath('//@href')['http://www.song.com/',
'',
'http://www.baidu.com',
'http://www.163.com',
'http://www.126.com',
'http://www.sina.com',
'http://www.dudu.com',
'http://www.haha.com']#导入必要的库import requestsfrom lxml import etree#URL就是网址，headers看图一url='https://sh.58.com/ershoufang/'headers={'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/83.0.4103.7 Safari/537.36'}#对网站发起请求page_test=requests.get(url=url,headers=headers).text# 这里是将从互联网上获取的源码数据加载到该对象中tree=etree.HTML(page_test)#先看图二的解释，这里li有多个，所里返回的li_list是一个列表li_list=tree.xpath('//ul[@class="house-list-wrap"]/li')#这里我们打开一个58.txt文件来保存我们的信息fp=open('58.txt','w',encoding='utf-8')#li遍历li_listfor li in li_list:
#这里 ./是对前面li的继承，相当于li/p...
title=li.xpath('./p[2]/h2/a/text()')[0]
print(title+'\n')
#把文件写入文件
fp.write(title+'\n')fp.close()图一：
图二：.
这里我们要提取所有的房源信息，可以看到每个小节点的上一个节点都是一样的，我们要提取的是h2节点a里的房源信息，看图三
这里每个 /li 节点里面的子节点都是一样的，所以我们可以先找到所有的li节点，再往下找我们想要的信息
推荐学习：python教程
以上是python實例詳解之xpath解析的詳細內容。更多資訊請關注PHP中文網其他相關文章！
