zoukankan      html  css  js  c++  java
  • Python爬虫:Xpath语法笔记

    一、选取节点
    常用的路劲表达式:

    表达式 描述 实例  
    nodename 选取nodename节点的所有子节点
    xpath(‘//div’)
    选取了div节点的所有子节点
    / 从根节点选取 xpath(‘/div’) 从根节点上选取div节点
    // 选取所有的当前节点,不考虑他们的位置
    xpath(‘//div’) 选取所有的div节点
    . 选取当前节点 xpath(‘./div’)
    选取当前节点下的div节点
    .. 选取当前节点的父节点
    xpath(‘..’) 回到上一个节点
    @ 选取属性
    xpath(’//@calss’)
    选取所有的class属性

    二、谓语

    谓语被嵌在方括号内,用来查找某个特定的节点或包含某个制定的值的节点

    实例:

    表达式 结果
    xpath(‘/body/div[1]’)
    选取body下的第一个div节点
    xpath(‘/body/div[last()]’)
    选取body下最后一个div节点
    xpath(‘/body/div[last()-1]’) 选取body下倒数第二个div节点
    xpath(‘/body/div[positon()<3]’) 选取body下前两个div节点
    xpath(‘/body/div[@class]’) 选取body下带有class属性的div节点
    xpath(‘/body/div[@class=”main”]’) 选取body下class属性为main的div节点
    xpath(‘/body/div[price>35.00]’) 选取body下price元素值大于35的div节点

     三、通配符

    Xpath通过通配符来选取未知的XML元素

    表达式 结果
    xpath(’/div/*’)
    选取div下的所有子节点
    xpath(‘/div[@*]’)
    选取所有带属性的div节点

     四、取多个路径

    使用“|”运算符可以选取多个路径

    表达式 结果
    xpath(‘//div|//table’)
    选取所有的div和table节点

    五、Xpath轴

    轴可以定义相对于当前节点的节点集

    轴名称 表达式 描述
    ancestor
    xpath(‘./ancestor::*’) 选取当前节点的所有先辈节点(父、祖父)
    ancestor-or-self xpath(‘./ancestor-or-self::*’) 选取当前节点的所有先辈节点以及节点本身
    attribute xpath(‘./attribute::*’) 选取当前节点的所有属性
    child xpath(‘./child::*’) 返回当前节点的所有子节点
    descendant xpath(‘./descendant::*’) 返回当前节点的所有后代节点(子节点、孙节点)
    following xpath(‘./following::*’) 选取文档中当前节点结束标签后的所有节点
    following-sibing xpath(‘./following-sibing::*’) 选取当前节点之后的兄弟节点
    parent xpath(‘./parent::*’) 选取当前节点的父节点
    preceding xpath(‘./preceding::*’) 选取文档中当前节点开始标签前的所有节点
    preceding-sibling xpath(‘./preceding-sibling::*’) 选取当前节点之前的兄弟节点
    self xpath(‘./self::*’) 选取当前节点

    六、功能函数   

    使用功能函数能够更好的进行模糊搜索

    函数 用法 解释
    starts-with xpath(‘//div[starts-with(@id,”ma”)]‘) 选取id值以ma开头的div节点
    contains
    xpath(‘//div[contains(@id,”ma”)]‘) 选取id值包含ma的div节点
    and
    xpath(‘//div[contains(@id,”ma”) and contains(@id,”in”)]‘) 选取id值包含ma和in的div节点
    text() xpath(‘//div[contains(text(),”ma”)]‘) 选取节点文本包含ma的div节点
         

    scrapy xpath文档:http://doc.scrapy.org/en/0.14/topics/selectors.html

  • 相关阅读:
    大小端判断
    引用计数
    STL_ALGORITHM_H
    书单一览
    GIT版本控制系统(二)
    JS随机数生成算法
    STL学习笔记--临时对象的产生与运用
    乱序优化与GCC的bug
    你的灯亮着吗?
    交换机和路由器
  • 原文地址:https://www.cnblogs.com/MUMO/p/5732836.html
Copyright © 2011-2022 走看看