1.Xpath
Xpath是一门在XML中查找信息的语言,可用来在XML文档中对元素和属性进行遍历。XQuery和xpoint都是构建于xpath表达之上
2.节点
父(parent),子(children),兄弟(sibling),先辈(ancetstor),后代(Decendant)
3.选取节点
路径表达式
表达式 |
描述 |
路径表达式 |
结果 |
nodename |
选取此节点上的所有的子节点 |
bookstore |
选取bookstore元素的所有子节点 |
/ |
从根节点上选取 |
/bookstore |
选取根元素bookstore,为绝对路径 |
// |
从匹配选择的当前节点选择文档中的节点,不考虑位置 |
//book |
选取所有的book子元素,而不管他们在文档的位置 |
. |
选取当前节点 |
bookstore//book |
选择bookstore后代中所有的book元素 |
.. |
选取当前节点的父节点 |
|
|
@ |
选取属性 |
//@lang |
选取名为lang的所有属性 |
谓语
谓语用来查找某个特定的节点或者包含某个指定的值的节点
谓语被嵌在方括号中
路径表达式 |
结果 |
/bookstore/book[1] |
选取属于bookstore子元素的第一个book元素 |
/bookstore/book[last()] |
选取属于bookstore子元素的最后book元素 |
/bookstore/book[last()-1] |
选取属于bookstore子元素的倒数第二个book元素 |
/bookstore/book[position()<3] |
选取最前面的两个属于bookstore元素的子元素的book元素 |
//title[@lang='eng'] |
选取所有的title元素,并且这些元素拥有值为eng的lang属性 |
/bookstore/book[price>35.0] |
选取bookstore元素的所有book元素,且其中的price值大于35.0 |
选取未知节点(通配符)
* 匹配任何 元素节点
@* 匹配任何属性节点
node() 匹配任何类型的节点
4.lxml用法
#!/usr/bin/python
#_*_coding:utf-8_*_
from lxml import etree
text='''
<div>
<ul>
<li class="item-0"><a href="link1.html">first item</a></li>
<li class="item-1"><a href="link2.html">second item</a></li>
<li class="item-inactive"><a href="link3.html">third item</a></li>
<li class="item-1"><a href="link4.html">fourth item</a></li>
<li class="item-0"><a href="link5.html">fifth item</a>
</ul>
</div>
'''
# html=etree.HTML(text) #html对象,存储在地址中,有自动修正功能
# result=etree.tostring(html) #将html对象转化为字符串
html=etree.parse('hello.html')
# result=etree.tostring(html,pretty_print=True)
# print result
print type(html)
result= html.xpath('//li')
print result
print len(result)
print type(result)
print type(result[0])
print html.xpath('//li/@class') # 获取li标签下的所有的class
print html.xpath('//li/a[@href="link1.html"]') #获取li标签下href为link1的<a>标签
print html.xpath('//li//span') #获取li标签下所有的span标签
print html.xpath('//li[last()-1]/a')[0].text #获取倒数第二个元素的内容