xpath使用

安装：pip3 install lxml

绝对路径（每一个都是从根开始查找）

• 查找了所有a标签的属性等于href属性值，利用的是/—绝对路径，

• 列子：
  we_data = ‘’’

  • first item
  • second item
  • third item
  • fourth item
  • fifth item
  ​​’’’

• 导入：from lxml import etree

• 转换对象：html = etree.HTML(data) 打印出是python的一个对象

• etree.tostring(html)补全html缺胳膊少腿的标签：result = etree.tostring(html)

• 获取某个标签的内容(基本使用)，注意，获取a标签的所有内容，a后面就不用再加正斜杠，否则报错。

  • 第一种写法：

    • 根据result补全的标签找到需要的部分，注意不可以直接.text必须使用循环否则报错

      

    • html_data = html.xpath(’/html/body/div/ul/li/a’) 获取出来的是每个需要内容的对象，需要循环 读取文本.text

      

  • 第二种写法：

    • （直接在需要查找内容的标签后面加一个/text()就行）

    • html_a = html.xpath(’/html/body/div/ul/li/a/text()’) 返回的是获取需要内容的列表 循环列表得出需要的内容

      

• 打印指定路径下a标签的属性（可以通过遍历拿到某个属性的值，查找标签的内容）

  • html_attri = html.xpath(’/html/body/div/ul/li/a/@href’) 标签下/@属性

    

• 查找最后一个li标签里的a标签下的内容：

  • 倒着加入：[last()]

    

• 查找倒数第二个li标签里的a标签下的内容：

  

• 使用parse打开html的文件：

  • html = etree.parse(‘路径’) 读取出指定位置的html
    html_data = etree.tostring(html,pretty_print=True)res = html_data.decode(‘utf-8’)print(res)

相对路径

• 相对路径，查找一下l相对路径下li标签下的a标签下的href属性的值，注意，a标签后面需要双//。

  • 查找一下l相对路径下li标签下的a标签下的内容

    

  • 查找一下l相对路径下li标签下的a标签下的href属性的值

    

相对路径下跟绝对路径下查特定属性的方法类似，也可以说相同。

• 根据属性查找：指定属性下需要的的文本内容 在需要的标签下的属性加入

  

如果在提取某个页面的某个标签的xpath路径的话：

[外链图片转存中…(img-RLIkvzKk-1565610323409)]

如果在提取某个页面的某个标签的xpath路径的话：

//*[@id=“kw”] 使用相对路径查找所有的标签，属性id等于kw的标签。