1.Xpath
Xpath是一门在XML中查找信息的语言,可用来在XML文档中对元素和属性进行遍历。XQuery和xpoint都是构建于xpath表达之上
2.节点
父(parent),子(children),兄弟(sibling),先辈(ancetstor),后代(Decendant)
3.选取节点
路径表达式
谓语
谓语用来查找某个特定的节点或者包含某个指定的值的节点
谓语被嵌在方括号中
选取未知节点(通配符)
*匹配任何元素节点
@*匹配任何属性节点
node()匹配任何类型的节点
4.lxml用法
#!/usr/bin/python #_*_coding:utf-8_*_ fromlxmlimportetree text=''' <div> <ul> <liclass="item-0"><ahref="link1.html">firstitem</a></li> <liclass="item-1"><ahref="link2.html">seconditem</a></li> <liclass="item-inactive"><ahref="link3.html">thirditem</a></li> <liclass="item-1"><ahref="link4.html">fourthitem</a></li> <liclass="item-0"><ahref="link5.html">fifthitem</a> </ul> </div> ''' #html=etree.HTML(text)#html对象,存储在地址中,有自动修正功能 #result=etree.tostring(html)#将html对象转化为字符串 html=etree.parse('hello.html') #result=etree.tostring(html,pretty_print=True) #printresult printtype(html) result=html.xpath('//li') printresult printlen(result) printtype(result) printtype(result[0]) printhtml.xpath('//li/@class')#获取li标签下的所有的class printhtml.xpath('//li/a[@href="link1.html"]')#获取li标签下href为link1的<a>标签 printhtml.xpath('//li//span')#获取li标签下所有的span标签 printhtml.xpath('//li[last()-1]/a')[0].text#获取倒数第二个元素的内容 |