關於python中的xpath解析定位
阿新 • • 發佈:2020-03-06
爬取的網站:http://jbk.39.net/chancegz/
這裡只針對個別屬性值:
#例如:'別名'下的span標籤文字,‘發病部位'下的span標籤文字以及‘掛號科室‘下的span標籤文字 # def disease(url): text = get_html(url) tree = etree.HTML(text) bm = tree.xpath('//ul[@class="information_ul"]/li/i[text()="別名:"]/following-sibling::span/text()') bw = tree.xpath('//ul[@class="information_ul"]/li/i[text()="發病部位:"]/following-sibling::span/a/text()') ks = tree.xpath('//ul[@class="information_ul"]/li/i[text()="掛號科室:"]/following-sibling::span/a/text()') return bm,bw,ks
補充其他:
# /從根元素開始,相當於絕對路徑 print(tree.xpath('/html/body/ul')) # //全域性搜尋,找到所有 print(tree.xpath('//li')) ul = tree.xpath('//ul') # . 當前 # 返回的都是列表,查詢到所有 li = ul[0].xpath('./li') print(li) for l in li: # 獲取屬性id的值 @id print(l.xpath('./@id')) # 定位 /標籤[@屬性='值'] liClass = tree.xpath("//li[@class='liClass']") print(liClass) #判斷,@屬性='值' --->返回True或False print(tree.xpath("//li/@id='12'")) print("===========================") #直接使用下標訪問,下標從1開始 獲取對個li裡面的文字 print(tree.xpath('//li[2]/text()')) #last()最後一個 print(tree.xpath('//li[last()]/text()')) #倒數第二個 print(tree.xpath('//li[last()-1]/text()')) # position() 位置 > < = >= <= print(tree.xpath('//li[position()>1]')) #* 通配 print(tree.xpath('//*[@class="liClass"]')) # 或 | print(tree.xpath('//li[@class="liClass"] | //div[@class="liClass"]'))
xpath基本語法
表示式 | 說明 |
---|---|
article | 選取所有article元素的所有子節點 |
/article | 選取根元素article |
article/a | 選取所有屬於article的子元素的a元素 |
//div | 選取所有div元素(不管出現在文件裡的任何地方) |
article//div | 選取所有屬於article元素的後代的div元素,不管它出現在article之下的任何位置 |
//@class | 選取所有名為class的屬性 |
表示式 | 說明 |
---|---|
/article/div[1] | 選取屬於article子元素的第一個div元素 |
/article/div[last()] | 選取屬於article子元素的最後一個div元素 |
/article/div[last()-1] | 選取屬於article子元素的倒數第二個div元素 |
//div[@color] | 選取所有擁有color屬性的div元素 |
//div[@color=‘red'] | 選取所有color屬性值為red的div元素 |
表示式 | 說明 |
---|---|
/div/* | 選取屬於div元素的所有子節點 |
//* | 選取所有元素 |
//div[@*] | 選取所有帶屬性的div 元素 |
//div/a 丨//div/p | 選取所有div元素的a和p元素 |
//span丨//ul | 選取文件中的span和ul元素 |
article/div/p丨//span | 選取所有屬於article元素的div元素的p元素以及文件中所有的 span元素 |
補充:
相鄰元素定位, 前一位: preceding-sibling::div[1] 後一位: following-sibling::div[1] 前N位: preceding-sibling::div[N] 後N位: following-sibling::div[N] # 爬取i標籤中包含相關檢查節點的兄弟 a節點(找到i節點—>找到其父節點->找到該父節點的子節點a) content = tree.xpath('//i[contains(text(),"相關檢查:")]/../a[@class="blue"]/text()') xpath多個class限制 //div[contains(@class,'demo') and contains(@class,'other')] xpath 同時多個標籤用| 分隔 //div[contains(@class,"jib-lh-articl")]/p | //div[contains(@class,"jib-lh-articl")]/h3 選擇不包含某一屬性的節點 //div[not(@class)] 沒有class屬性的div //tbody/tr[not(@class or @id)] 獲取當前節點的是什麼型別的html標籤 xpath_element.tag
補充知識:使用Xpath定位元素(和元素定位相關的Xpath語法)
本文主要講述Xpath語法中,和元素定位相關的語法
第一種方法:通過絕對路徑做定位(相信大家不會使用這種方式)
By.xpath("html/body/div/form/input")
第二種方法:通過相對路徑做定位
兩個斜槓代表相對路徑
By.xpath("//input//div")
第三種方法:通過元素索引定位
By.xpath("//input[4]")
第四種方法:使用xpath+節點屬性定位(結合第2、第3中方法可以使用)
By.xpath("//input[@id='kw1']")
By.xpath("//input[@type='name' and @name='kw1']")
第五種方法:使用部分屬性值匹配(最強大的方法)
By.xpath("//input[start-with(@id,'nice')]")
By.xpath("//input[ends-with(@id,'很漂亮')]")
By.xpath("//input[contains(@id,'那麼美')]")
第六種方法:使用前集中方法的組合
By.xpath("//input[@id='kw1']//input[start-with(@id,'nice']/div[1]/form[3])
以上這篇關於python中的xpath解析定位就是小編分享給大家的全部內容了,希望能給大家一個參考,也希望大家多多支援我們。