python爬虫 ---xpath解析

xpath解析: 最常用且最便捷高效的一种解析方式。通用性。
- xpath解析原理:
-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。
- 环境的安装:
- 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() 获取的所有文本内容
- 取属性:
- /@attrName ==> img/src