《Python爬蟲開發(fā)與項目實踐》讀書筆記——XPath

XPath

  • XPath 是一門在XML文檔中查找信息的語言帅容,被用于在XML文檔中通過元素和屬性進(jìn)行導(dǎo)航髓绽。不夠它也可以在HTML文檔中工作突那,并且大部分瀏覽器也支持通過XPath來查詢節(jié)點暑诸。

  • 在python爬蟲開發(fā)中,經(jīng)常使用XPath查找提取網(wǎng)頁中的信息东羹,因此XPath非常重要。

1.XPath節(jié)點

  • 在XPath中弱睦,XML文檔是被作為節(jié)點樹來對待的百姓,有七種類型的節(jié)點:元素渊额、屬性况木、文件、命名空間旬迹、處理指令火惊、注釋以及文檔節(jié)點。

  • 樹的根被稱為文檔節(jié)點或者根節(jié)點奔垦。

  • E.g.:

<?xml version="1.0" encoding="ISO-8859-1"?>
<classroom>
    <student>
        <id>1001</id>
        <name lang="en"> marry</name>
        <age>20</age>
        <country>China</country>
    </student>
</classroom>
  • 上面的XML文檔中的節(jié)點例子包括:<classroom>(文檔節(jié)點)屹耐、 <id>1001</id>(元素節(jié)點)、lang="en"(屬性節(jié)點)椿猎、marry(文本)惶岭。

2. XPath語法

  • XPath使用路徑表達(dá)式來選取XML文檔中的節(jié)點或節(jié)點集。節(jié)點是沿著path或者step來選取的犯眠。

  • 路徑表達(dá)式

    表達(dá)式 描述
    nodename 選取此節(jié)點的所有子節(jié)點
    / 從根結(jié)點選取
    // 選擇任意位置的某個節(jié)點
    . 選擇當(dāng)前節(jié)點
    .. 選擇當(dāng)前節(jié)點的父節(jié)點
    @ 選取屬性
  • 選取某個特定的節(jié)點或者包含某一個指定的值的節(jié)點按灶,有時需要用到謂語。

    實現(xiàn)效果 路徑表達(dá)式
    選取屬于classroom子元素的第一個student元素 /classroom/student[1]
    選取屬于classroom子元素的最后一個student元素 /classroom/student[last()]
    選取屬于classroom子元素的倒數(shù)第二個student元素 /classroom/student[last()-1]
    選取最前面的兩個屬于classroom元素的子元素的student元素 /classroom/student[positon()<3]
    選取所有擁有名為lang的屬性的name元素 //name[@lang]
    選取所有name元素筐咧,且這些元素?fù)碛兄禐閑ng的lang屬性 //name[@lang='en']
    選取classroom元素的所有student元素鸯旁,且其中的age元素的值必須大于20 /classroom/student[age>20]
    選取classroom元素中的student元素的所有name元素,且其中的age元素的值必須大于20 /classroom/student[age>20]/name
  • 實現(xiàn)效果 路徑表達(dá)式
    選取所有帶有屬性的name元素 //name[@*]
    選取student元素的所有name和age元素 //student/name | //student/age

    XPath在進(jìn)行節(jié)點選取的時候可以使用通配符"*"匹配未知的元素量蕊,同時使用操作符"|"一次選取多條路徑铺罢。

    實現(xiàn)效果 路徑表達(dá)式
    選取所有帶有屬性的name元素 //name[@*]
    選取student元素的所有name和age元素 //student/name | //student/age

3. XPath軸

  • 軸定義了所選節(jié)點與當(dāng)前節(jié)點之間的樹關(guān)系。

  • 位置路徑均包括一個或多個步残炮,每個步均被斜杠分割:/step/step...(絕對位置路徑)韭赘,step/step/...(相對位置路徑)

  • 步(step)包括:軸(axis)、節(jié)點測試(node-test)势就、零個或者更多謂語(predicate)辞居,用來更深入地提煉所選的節(jié)點集。

  • 軸名稱 含義
    child 選取當(dāng)前節(jié)點的所有子元素
    parent 選取當(dāng)前節(jié)點的父節(jié)點
    ancestor 選取當(dāng)前結(jié)點的所有先輩
    ancestor-or-self 選取當(dāng)前節(jié)點的所有先輩及當(dāng)前節(jié)點本身
    descendant 選取當(dāng)前結(jié)點的所有后代元素
    descentdant-or-self 選取當(dāng)前結(jié)點的所有后代元素及當(dāng)前節(jié)點本身
    preceding 選取當(dāng)前節(jié)點的開始標(biāo)記之前的所有節(jié)點
    following 選取當(dāng)前節(jié)點的結(jié)束標(biāo)記之后的所有節(jié)點
    preceding-sibling 選取當(dāng)前節(jié)點之前的所有同級節(jié)點
    following-sibling 選取當(dāng)前節(jié)點之后的所有同級節(jié)點
    self 選取當(dāng)前節(jié)點
    attribute 選取當(dāng)前結(jié)點的所有屬性
    namespace 選取當(dāng)前節(jié)點的所有命名空間節(jié)點

    XPath軸:

    軸名稱 含義
    child 選取當(dāng)前節(jié)點的所有子元素
    parent 選取當(dāng)前節(jié)點的父節(jié)點
    ancestor 選取當(dāng)前結(jié)點的所有先輩
    ancestor-or-self 選取當(dāng)前節(jié)點的所有先輩及當(dāng)前節(jié)點本身
    descendant 選取當(dāng)前結(jié)點的所有后代元素
    descentdant-or-self 選取當(dāng)前結(jié)點的所有后代元素及當(dāng)前節(jié)點本身
    preceding 選取當(dāng)前節(jié)點的開始標(biāo)記之前的所有節(jié)點
    following 選取當(dāng)前節(jié)點的結(jié)束標(biāo)記之后的所有節(jié)點
    preceding-sibling 選取當(dāng)前節(jié)點之前的所有同級節(jié)點
    following-sibling 選取當(dāng)前節(jié)點之后的所有同級節(jié)點
    self 選取當(dāng)前節(jié)點
    attribute 選取當(dāng)前結(jié)點的所有屬性
    namespace 選取當(dāng)前節(jié)點的所有命名空間節(jié)點
  • E.g. 選取所有id節(jié)點的父節(jié)點:

//id/parent::*


  • 參考:《Python爬蟲開發(fā)與項目實踐》
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末蛋勺,一起剝皮案震驚了整個濱河市瓦灶,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌抱完,老刑警劉巖贼陶,帶你破解...
    沈念sama閱讀 219,188評論 6 508
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異,居然都是意外死亡碉怔,警方通過查閱死者的電腦和手機(jī)烘贴,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,464評論 3 395
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來撮胧,“玉大人桨踪,你說我怎么就攤上這事∏凵叮” “怎么了锻离?”我有些...
    開封第一講書人閱讀 165,562評論 0 356
  • 文/不壞的土叔 我叫張陵,是天一觀的道長墓怀。 經(jīng)常有香客問我汽纠,道長,這世上最難降的妖魔是什么傀履? 我笑而不...
    開封第一講書人閱讀 58,893評論 1 295
  • 正文 為了忘掉前任虱朵,我火速辦了婚禮,結(jié)果婚禮上钓账,老公的妹妹穿的比我還像新娘碴犬。我一直安慰自己,他們只是感情好梆暮,可當(dāng)我...
    茶點故事閱讀 67,917評論 6 392
  • 文/花漫 我一把揭開白布服协。 她就那樣靜靜地躺著,像睡著了一般惕蹄。 火紅的嫁衣襯著肌膚如雪蚯涮。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 51,708評論 1 305
  • 那天卖陵,我揣著相機(jī)與錄音遭顶,去河邊找鬼。 笑死泪蔫,一個胖子當(dāng)著我的面吹牛棒旗,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播撩荣,決...
    沈念sama閱讀 40,430評論 3 420
  • 文/蒼蘭香墨 我猛地睜開眼铣揉,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了餐曹?” 一聲冷哼從身側(cè)響起逛拱,我...
    開封第一講書人閱讀 39,342評論 0 276
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎台猴,沒想到半個月后朽合,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體俱两,經(jīng)...
    沈念sama閱讀 45,801評論 1 317
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,976評論 3 337
  • 正文 我和宋清朗相戀三年曹步,在試婚紗的時候發(fā)現(xiàn)自己被綠了宪彩。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 40,115評論 1 351
  • 序言:一個原本活蹦亂跳的男人離奇死亡讲婚,死狀恐怖尿孔,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情筹麸,我是刑警寧澤活合,帶...
    沈念sama閱讀 35,804評論 5 346
  • 正文 年R本政府宣布,位于F島的核電站竹捉,受9級特大地震影響芜辕,放射性物質(zhì)發(fā)生泄漏尚骄。R本人自食惡果不足惜块差,卻給世界環(huán)境...
    茶點故事閱讀 41,458評論 3 331
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望倔丈。 院中可真熱鬧憨闰,春花似錦、人聲如沸需五。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,008評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽宏邮。三九已至泽示,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間蜜氨,已是汗流浹背械筛。 一陣腳步聲響...
    開封第一講書人閱讀 33,135評論 1 272
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機(jī)就差點兒被人妖公主榨干…… 1. 我叫王不留飒炎,地道東北人埋哟。 一個月前我還...
    沈念sama閱讀 48,365評論 3 373
  • 正文 我出身青樓,卻偏偏與公主長得像郎汪,于是被迫代替她去往敵國和親赤赊。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 45,055評論 2 355

推薦閱讀更多精彩內(nèi)容