這篇文章給大家分享的是有關(guān)python中xpath解析原理是什么的內(nèi)容。小編覺得挺實(shí)用的，因此分享給大家做個(gè)參考，一起跟隨小編過來看看吧。

創(chuàng)新互聯(lián)堅(jiān)持“要么做到，要么別承諾”的工作理念，服務(wù)領(lǐng)域包括：網(wǎng)站設(shè)計(jì)制作、網(wǎng)站建設(shè)、企業(yè)官網(wǎng)、英文網(wǎng)站、手機(jī)端網(wǎng)站、網(wǎng)站推廣等服務(wù)，滿足客戶于互聯(lián)網(wǎng)時(shí)代的韓城網(wǎng)站設(shè)計(jì)、移動(dòng)媒體設(shè)計(jì)的需求，幫助企業(yè)找到有效的互聯(lián)網(wǎng)解決方案。努力成為您成熟可靠的網(wǎng)絡(luò)建設(shè)合作伙伴！

XPath，全稱XML Path Language，即XML路徑語言，它是一門在XML文檔中查找信息的語言，它最初是用來搜尋XML文檔的，但是它同樣適用于HTML文檔的搜索

XPath的選擇功能十分強(qiáng)大，它提供了非常簡(jiǎn)明的路徑選擇表達(dá)式，另外，它還提供了超過100個(gè)內(nèi)建函數(shù)，用于字符串、數(shù)值、時(shí)間的匹配以及節(jié)點(diǎn)、序列的處理等，幾乎所有我們想要定位的節(jié)點(diǎn)，都可以用XPath來選擇

xpath解析原理:

• 實(shí)現(xiàn)標(biāo)簽的定位：實(shí)例化一個(gè)etree的對(duì)象，且需要將被解析的頁面源碼數(shù)據(jù)加載到該對(duì)象中。

• 調(diào)用etree對(duì)象中的xpath方法結(jié)合著xpath表達(dá)式實(shí)現(xiàn)標(biāo)簽的定位和內(nèi)容的捕獲。

環(huán)境的安裝

pip install lxml

lxml是python的一個(gè)解析庫，支持HTML和XML的解析，支持XPath解析方式，而且解析效率非常高

如何實(shí)例化一個(gè)etree對(duì)象

1.將本地的html文檔中的源碼數(shù)據(jù)加載到etree對(duì)象中:

etree. parse(filePath)#你的文件路徑

2.可以將從互聯(lián)網(wǎng)上獲取的源碼數(shù)據(jù)加載到該對(duì)象中

etree.HtML('page_ text')#page_ text互聯(lián)網(wǎng)中響應(yīng)的數(shù)據(jù)

xpath 表達(dá)式

對(duì)上面表達(dá)式的實(shí)例詳解

這是一個(gè)HTML的文檔

	
	
	

		
百里守約
	

	
		
李清照
		
王安石
		
蘇軾
		
柳宗元
		
			this is span
		宋朝是最強(qiáng)大的王朝，不是軍隊(duì)的強(qiáng)大，而是經(jīng)濟(jì)很強(qiáng)大，國(guó)民都很有錢
		總為浮云能蔽日,長(zhǎng)安不見使人愁
		
	

	
		

			
清明時(shí)節(jié)雨紛紛,路上行人欲斷魂,借問酒家何處有,牧童遙指杏花村
			
秦時(shí)明月漢時(shí)關(guān),萬里長(zhǎng)征人未還,但使龍城飛將在,不教胡馬度陰山
			
岐王宅里尋常見,崔九堂前幾度聞,正是江南好風(fēng)景,落花時(shí)節(jié)又逢君
			
杜甫
			
杜牧
			
杜小月
			
度蜜月
			
鳳凰臺(tái)上鳳凰游,鳳去臺(tái)空江自流,吳宮花草埋幽徑,晉代衣冠成古丘
		
	

從瀏覽器中打開是這樣的

為了方便直觀，我們對(duì)寫個(gè)HTML文件進(jìn)行本地讀取進(jìn)行測(cè)試

子節(jié)點(diǎn)和子孫節(jié)點(diǎn)的定位 / 和 //

先來看子節(jié)點(diǎn)和子孫節(jié)點(diǎn)，我們從上往下找p這個(gè)節(jié)點(diǎn)，可以看到p的父節(jié)點(diǎn)是body，body父節(jié)點(diǎn)是html

定位到這個(gè)HTML的p對(duì)象中，看上面html源碼，可以知道有三個(gè)p對(duì)象

我們通過三種不同的方法來輸出這個(gè)節(jié)點(diǎn)的信息，可以看到輸出的是三個(gè)一樣的Element，也就是這三種方法實(shí)現(xiàn)的功能是一樣的。

import requestsfrom lxml import etree
tree = etree.parse('test.html')r1=tree.xpath('/html/body/p')	#直接從上往下挨著找節(jié)點(diǎn)r2=tree.xpath('/html//p')#跳躍了一個(gè)節(jié)點(diǎn)來找到這個(gè)p節(jié)點(diǎn)的對(duì)象r3=tree.xpath('//p')##跳躍上面所有節(jié)點(diǎn)來尋找p節(jié)點(diǎn)的對(duì)象r1,r2,r3>>([,
  ,
  ],
  
 [,
  ,
  ],
  
 [,
  ,
  ])

屬性定位

如果我只想要p里面song這一個(gè)標(biāo)簽，就可以對(duì)其屬性定位

當(dāng)然返回的還是一個(gè)element

r4=tree.xpath('//p[@class="song"]')r4>>>[]

索引定位

如果我只想獲得song里面的蘇軾的這個(gè)標(biāo)簽
我們找到了song，/p可以返回里面的所有標(biāo)簽，

tree.xpath('//p[@class="song"]/p')>>[,
 ,
 ,
 ]

這個(gè)單獨(dú)返回的蘇軾的p標(biāo)簽，要注意的是這里的索引不是從0開始的，而是1

tree.xpath('//p[@class="song"]/p[3]')[]

取文本

比如我想取杜牧這個(gè)文本內(nèi)容

和上面一樣，我們要定位到杜牧的這個(gè)a標(biāo)簽，首先要找到他的上一級(jí) li ，這是第五個(gè) li 里面的a所以就有了下面的寫法，text()是把element轉(zhuǎn)化為文本，當(dāng)然上面的在后面加個(gè)text（）都可以展示文本內(nèi)容。

tree.xpath('//p[@class="tang"]//li[5]/a/text()')>>['杜牧']

可以看到這個(gè)返回的是一個(gè)列表，如果我們想取里面的字符串，可以這樣

tree.xpath('//p[@class="tang"]//li[5]/a/text()')[0]杜牧

看一個(gè)更直接的，//li 直接定位到 li這個(gè)標(biāo)簽，//text（）直接將這個(gè)標(biāo)簽下的文本提取出來。但要注意，這樣會(huì)把所有的li標(biāo)簽下面的文本提取出來，有時(shí)候你并不想要的文本也會(huì)提取出來，所以最好還是寫詳細(xì)一點(diǎn)，如具體到哪個(gè)p里的li。

tree.xpath('//li//text()')['清明時(shí)節(jié)雨紛紛,路上行人欲斷魂,借問酒家何處有,牧童遙指杏花村',
 '秦時(shí)明月漢時(shí)關(guān),萬里長(zhǎng)征人未還,但使龍城飛將在,不教胡馬度陰山',
 '岐王宅里尋常見,崔九堂前幾度聞,正是江南好風(fēng)景,落花時(shí)節(jié)又逢君',
 '杜甫',
 '杜牧',
 '杜小月',
 '度蜜月',
 '鳳凰臺(tái)上鳳凰游,鳳去臺(tái)空江自流,吳宮花草埋幽徑,晉代衣冠成古丘']

取屬性

比如我想取下面這個(gè)屬性

可以直接用@取屬性

tree.xpath('//p[@class="song"]/img/@src')['http://www.baidu.com/meinv.jpg']

或者如果我想取所有的href這個(gè)屬性，可以看到tang和song的所有href屬性

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']

爬蟲實(shí)戰(zhàn)之58同城房源信息

#導(dǎo)入必要的庫import requestsfrom lxml import etree#URL就是網(wǎng)址，headers看圖一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'}#對(duì)網(wǎng)站發(fā)起請(qǐng)求page_test=requests.get(url=url,headers=headers).text# 這里是將從互聯(lián)網(wǎng)上獲取的源碼數(shù)據(jù)加載到該對(duì)象中tree=etree.HTML(page_test)#先看圖二的解釋，這里li有多個(gè)，所里返回的li_list是一個(gè)列表li_list=tree.xpath('//ul[@class="house-list-wrap"]/li')#這里我們打開一個(gè)58.txt文件來保存我們的信息fp=open('58.txt','w',encoding='utf-8')#li遍歷li_listfor li in li_list:
	#這里 ./是對(duì)前面li的繼承，相當(dāng)于li/p...
    title=li.xpath('./p[2]/h3/a/text()')[0]
    print(title+'\n')
    #把文件寫入文件
    fp.write(title+'\n')fp.close()

圖一：

圖二：.
這里我們要提取所有的房源信息，可以看到每個(gè)小節(jié)點(diǎn)的上一個(gè)節(jié)點(diǎn)都是一樣的，我們要提取的是h3節(jié)點(diǎn)a里的房源信息，看圖三

這里每個(gè) /li 節(jié)點(diǎn)里面的子節(jié)點(diǎn)都是一樣的，所以我們可以先找到所有的li節(jié)點(diǎn)，再往下找我們想要的信息

感謝各位的閱讀！關(guān)于“python中xpath解析原理是什么”這篇文章就分享到這里了，希望以上內(nèi)容可以對(duì)大家有一定的幫助，讓大家可以學(xué)到更多知識(shí)，如果覺得文章不錯(cuò)，可以把它分享出去讓更多的人看到吧！