xpath選擇器使用
阿新 • • 發佈：2021-06-15
# xpath教程 # https://www.w3school.com.cn/xpath/index.asp # xpath: XPath 是一門在 XML 文件中查詢資訊的語言 # / :從根節點選取。 # // :不管位置，直接找 # /@屬性名 # /text() # 會複製（） doc=''' <html> <head> <base href='http://example.com/' /> <title>Example website</title> </head> <body> <div id='images'> <a href='image1.html' aa='bb'>Name: My image 1 <br /><img src='image1_thumb.jpg' /></a> <a href='image2.html'>Name: My image 2 <br /><img src='image2_thumb.jpg' /></a> <a href='image3.html'>Name: My image 3 <br /><img src='image3_thumb.jpg' /></a> <a href='image4.html'>Name: My image 4 <br /><img src='image4_thumb.jpg' /></a> <a href='image5.html' class='li li-item' name='items'>Name: My image 5 <br /><img src='image5_thumb.jpg' /></a> <a href='image6.html' name='items'><span><h5>test</h5></span>Name: My image 6 <br /><img src='image6_thumb.jpg' /></a> </div> </body> </html>''' from lxml import etree html=etree.HTML(doc) # html=etree.parse('search.html',etree.HTMLParser()) # 1 所有節點 # a=html.xpath('//*') # 2 指定節點（結果為列表） # a=html.xpath('//head') # 3 子節點，子孫節點 # a=html.xpath('//div/a') # a=html.xpath('//body/a') #無資料 # a=html.xpath('//body//a') # 4 父節點 # a=html.xpath('//body//a[@href="image1.html"]/..')# a=html.xpath('//body//a[1]/..') # 也可以這樣 # a=html.xpath('//body//a[1]/parent::*') # 5 屬性匹配 # a=html.xpath('//body//a[@href="image1.html"]') # 6 文字獲取(重要) /text() 取當前標籤的文字 # a=html.xpath('//body//a[@href="image1.html"]/text()') # a=html.xpath('//body//a/text()') # 7 屬性獲取 @href 取當前標籤的屬性 # a=html.xpath('//body//a/@href') ## 注意從1 開始取（不是從0） # a=html.xpath('//body//a[1]/@href') # 8 屬性多值匹配 # a 標籤有多個class類，直接匹配就不可以了，需要用contains # a=html.xpath('//body//a[@class="li"]') # a=html.xpath('//body//a[contains(@class,"li")]') # a=html.xpath('//body//a[contains(@class,"li")]/text()') # 9 多屬性匹配 # a=html.xpath('//body//a[contains(@class,"li") or @name="items"]') # a=html.xpath('//body//a[contains(@class,"li") and @name="items"]/text()') # a=html.xpath('//body//a[contains(@class,"li")]/text()') # 10 按序選擇 # a=html.xpath('//a[2]/text()') # a=html.xpath('//a[2]/@href') # 取最後一個 # a=html.xpath('//a[last()]/@href') # 位置小於3的 # a=html.xpath('//a[position()<3]/@href') # 倒數第二個 # a=html.xpath('//a[last()-2]/@href') # 11 節點軸選擇 # ancestor：祖先節點 # 使用了* 獲取所有祖先節點 # a=html.xpath('//a/ancestor::*') # # 獲取祖先節點中的div # a=html.xpath('//a/ancestor::div') # attribute：屬性值 # a=html.xpath('//a[1]/attribute::*') # a=html.xpath('//a[1]/@aa') # child：直接子節點 # a=html.xpath('//a[1]/child::*') # a=html.xpath('//a[1]/child::img/@src') # descendant：所有子孫節點 # a=html.xpath('//a[6]/descendant::*') # a=html.xpath('//a[6]/descendant::h5/text()') # following:當前節點之後所有節點(兄弟節點和兄弟內部的節點) # a=html.xpath('//a[1]/following::*') # a=html.xpath('//a[1]/following::*[1]/@href') # following-sibling:當前節點之後同級節點（只找兄弟） # a=html.xpath('//a[1]/following-sibling::*') # a=html.xpath('//a[1]/following-sibling::a') # a=html.xpath('//a[1]/following-sibling::*[2]') # a=html.xpath('//a[1]/following-sibling::*[2]/@href') print(a) # / # // # /@屬性名 # /text() //以後去查詢標籤，bs4的find， css，xpath（通用的）