xpath解析

• 1.实例化一个etree的对象，且需要将被解析的页面源码数据加载到该对象中。
• 2.调用etree对象中的xpath方法结合着xpath表达式实现标签的定位和内容的捕获。

• pip install lxml

如何实例化一个etree对象：from lxml import etree

• 1.将本地的html文档中的源码数据加载到etree对象中：

         etree.parse(filePath)

• 2.可以将从互联网上获取的源码数据加载到该对象中

         etree.HTML('page_text')

• xpath(‘xpath表达式’)

  • xpath表达式:
    • /:表示的是从根节点开始定位。表示的是一个层级。
    • //:表示的是多个层级。可以表示从任意位置开始定位。
    • 属性定位：//div[@class=”song”] tag[@attrName=”attrValue”]
    • 索引定位：//div[@class=”song”]/p[3] 索引是从1开始的。
    • 取文本：
      • /text() 获取的是标签中直系的文本内容
      • //text() 标签中非直系的文本内容（所有的文本内容）
    • 取属性：
      • /@attrName ==>img/@src

        if __name__ == "__main__":
        # 实例化好了一个etree对象，且将被解析的源码加载到了该对象中
        tree = etree.parse('test.html')
        r = tree.xpath('/html/body/div')
        r = tree.xpath('/html//div')
        r = tree.xpath('//div')
        r = tree.xpath('//div[@class="song"]')
        r = tree.xpath('//div[@class="tang"]//li[5]/a/text()')[0]
        r = tree.xpath('//li[7]//text()')
        r = tree.xpath('//div[@class="tang"]//text()')
        r = tree.xpath('//div[@class="song"]/img/@src')