Xpath入门

Xpath是在xml文档中搜索内容的一种语言，而html也相当于一种xml，所以我们可以用Xpath的方式在html中寻找我们需要的数据，下面代码就是一个例子，非常的简单，大家阅读一下应该就能明白：

# Xpath是在xml文档中搜索内容的一种语言
# html是xml的一个子集
html="""

    1
    野花遍地香
    1.23
    臭豆腐
    
        王者荣耀
        和平精英
        原神
        使命召唤
        

            真的好玩！！！
        
    

    
        卢本伟
        大司马
    

"""
from lxml import etree
tree=etree.XML(html)
#result=tree.path("/book")
result=tree.xpath("/book/name/text()")#加入text()可以检索到当前路径下的文本
print(result)

输出内容：

['野花遍地香']

这个时候如果我们想要检索author下nick的内容我们可以对源代码进行修改一下（）：
就将刚才的

result=tree.xpath("/book/name/text()")

改成

result=tree.xpath("/book/author/nick/text()")

# Xpath是在xml文档中搜索内容的一种语言
# html是xml的一个子集
html="""

    1
    野花遍地香
    1.23
    臭豆腐
    
        王者荣耀
        和平精英
        原神
        使命召唤
        

            真的好玩！！！
        
    

    
        卢本伟
        大司马
    

"""
from lxml import etree
tree=etree.XML(html)
#result=tree.path("/book")
result=tree.xpath("/book/author/nick/text()")# 只更改了这一行
print(result)

输出结果：

['王者荣耀', '和平精英', '原神', '使命召唤']

这个时候或许你可能想要的是author下所有的nick下的内容，那么我们不妨这样改一下：
将刚才的

result=tree.xpath("/book/author/nick/text()")

改为：

result=tree.xpath("/book/author//nick/text()")

//表示的是该标签下的所有nick标签
输出结果：

['王者荣耀', '和平精英', '原神', '使命召唤', '真的好玩！！！']

那如果我们把上面的这句话改成这样呢？
将：

result=tree.xpath("/book/author//nick/text()")

改为

result=tree.xpath("/book/author/*/nick/text()")

运行程序
输出结果：

['真的好玩！！！']

由此可以推出，/*/可以代表任意的一个标签节点（通配节点），但是不能是空

ok,下面我们再来讲讲更多的Xpath的一些用法。
我们以下面这个html为例：

    
    


    

        
百度
        
谷歌
        
搜狗
    
    

        
飞机
        
大炮
        
火车
    
    
李嘉诚
    
胡辣汤

代码中非常详细的注释，这里就不作过多的讲解，大家细致阅读一下应该都可以理解，唯一需要提醒的就是Xpath起始编号是1不是我们常用的0！
代码:

html="""



    
    


    

        
百度
        
谷歌
        
搜狗
    
    

        
飞机
        
大炮
        
火车
    
    
李嘉诚
    
胡辣汤


"""
from lxml import etree
tree=etree.XML(html)# 加载这个字符串作为XML
### Test1 拿到ul中三个超链接中的文字
result1=tree.xpath("/html/body/ul/li/a/text()")
print("Test1",result1)
### Test2 只拿ul中三个超链接中的第一个
result2=tree.xpath("/html/body/ul/li[1]/a/text()")#注意起始计数是从1开始的，从这里可以看出来!!!!一定要注意,[]表示索引
print("Test2",result2)
### Test3 拿到href的值为dapao的中文
result3=tree.xpath("/html/body/ol/li/a[@href='dapao']/text()")#注意这里只有一个等号
print("Test3",result3)
### Test4 拿到大炮的href值
result4=tree.xpath("/html/body/ol/li/a/@href")# 这里不需要加text()
print("Test4",result4)
### Test5 对ol下的所有li进行遍历，再来进行筛选
print("Test5")
ol_li_list=tree.xpath("/html/body/ol/li")
for li in ol_li_list:
    result5=li.xpath("./a/text()")#./表示的是当前的位置
    print(result5)
    result5=li.xpath("./a/@href")
    print(result5)