5.网络爬虫——Xpath解析

网络爬虫——Xpath解析

• • Xpath简介
  • Xpath解析
  • • 节点选择
    • 路径表达式
    • 谓语
    • 未知节点
    • Xpath实战演示
    • • 豆果美食实战
      • 获取数据
      • 源代码

        前言：

        ​​此专栏文章是专门针对Python零基础爬虫，欢迎免费订阅！

        ​第一篇文章获得全站热搜第一，python领域热搜第一，

        第四篇文章全站热搜第八，欢迎阅读！

        欢迎大家一起学习，一起成长！！

        ：悲索之人烈焰加身，堕落者不可饶恕。永恒燃烧的羽翼，带我脱离凡间的沉沦。

        Xpath简介

        XPath是一种用于在XML文档中定位节点的语言，它可以用于从XML文档中提取数据，以及在XML文档中进行搜索和过滤操作。它是W3C标准的一部分，被广泛应用于XML文档的处理和分析。

        XPath使用路径表达式来描述节点的位置，这些路径表达式类似于文件系统中的路径。路径表达式由一个或多个步骤(step)组成，每个步骤描述了一个节点或一组节点。步骤可以使用关系运算符(如/和//)来连接，以便描述更复杂的节点位置。

        XPath还提供了一些内置函数和运算符，可以对XML文档中的数据进行操作和计算。例如，可以使用XPath的数学函数来计算节点的数值，或使用字符串函数来处理节点的文本内容。

        在Python中，XPath可以使用lxml库来实现。lxml提供了一个etree模块，该模块包含了XPath的实现，可以方便地对XML文档进行解析和操作，同时支持XPath语法。

        Xpath解析

        节点选择

        XPath用于在XML文档中定位和选择节点，以下是XPath的一些常用用法：

        1. 选择所有节点：

        使用双斜杠//选择文档中的所有节点，例如：//node()

        2. 按标签名选择节点：

        使用标签名选择节点，例如：//book

        3. 按属性选择节点：

        使用方括号[]和@符号选择具有特定属性值的节点，例如：//book[@category="children"]

        4. 选择父节点、子节点和兄弟节点：

        使用父节点(…)、子节点(/)和兄弟节点(//)选择节点，例如：//book/title/..、//book/author/following-sibling::title等

        5. 使用通配符选择节点：

        使用星号*选择任何节点，例如：//book/*选择所有book节点的子节点

        6. 使用逻辑运算符选择节点：

        使用and、or、not等逻辑运算符选择节点，例如：//book[price 10]

        在这个例子中，谓语是“[price > 10]”，它指定了一个条件，它只选择价格大于10美元的书籍。

        未知节点

        当我们需要选择一个未知节点时，意味着我们无法确定节点的位置或名称，但我们知道节点具有某些特定属性或特征。在这种情况下，我们可以使用通配符、轴、谓词等技术来选择未知节点。

        通配符（*）可以用来匹配任何节点，轴可以用来选择与当前节点相关的节点，谓词可以用来筛选符合条件的节点。使用这些技术，我们可以选择任何未知节点，使我们的XPath表达式更加灵活和通用。

        Xpath语法较多，我不一一演示，但在后面实战演示中，会依次讲解，帮助大家理解学习。理论讲解完毕，我们进入实战！！！

        Xpath实战演示

        所以今天实战内容是关于美食的，毕竟博主是一个吃货 。

        豆果美食实战

        让我们欣赏一下主页吧！

        我们今天不获取照片了，毕竟太吸引人了，哈哈哈。

        >和之前一样，我们点击右键，选择检查，查看元素，接着按CTRL+F键

        在XPath中，nodename指的是XML文档中的节点名称。节点名称可以是元素名称、属性名称、注释名称、处理指令名称等。

        第一个是不是很简单，想找那个就输入那个，我们慢慢来。

        /从根节点选取（取子节点）。

        url = 'https://www.douguo.com/'res = requests.get(url)print(res.text)html = etree.HTML(res.text)# /从根节点选取（取子节点）。rest = html.xpath('/html/head/title')  # 返回Element对象print(rest)

        url = 'https://www.douguo.com/'res = requests.get(url)print(res.text)html = etree.HTML(res.text)# /从根节点选取（取子节点）。rest = html.xpath('/html/head/title/text()')  # 返回Element对象print(rest)

        我们在xpath代码里面加入text（），/text() 获取Element对象的元素内容(元素文本)

        // 获取任何位置的数据，不从根路径出发

        # // 获取任何位置的数据，不从根路径出发title_text = html.xpath('//title/text()')  # 一般会获取多个数据print(title_text)

        /@属性名 获取标签中的属性名的内容

        # /@属性名  获取标签中的属性名的内容attr = html.xpath('//meta/@name')print(attr)

        谓语 (相当于python里面的索引，条件) 选取数据中某部分数据

        # 谓语 (相当于python里面的索引，条件)# 选取数据中某部分数据index = html.xpath('/html/head/meta[3]')  # meta[3] 获取meta里面的第3个参数print(index)

        last() 获取最后面的数据

        # last() 获取最后面的数据index = html.xpath('/html/body/p[1]/p/a[last()]')  # meta[3] 获取meta里面的第3个参数print(index)

        position()