python爬虫系列之xpath是什么

小编给大家分享一下python爬虫系列之xpath是什么，相信大部分人都还不怎么了解，因此分享这篇文章给大家参考一下，希望大家阅读完这篇文章后大有收获，下面让我们一起去了解一下吧！

让客户满意是我们工作的目标，不断超越客户的期望值来自于我们对这个行业的热爱。我们立志把好的技术通过有效、简单的方式提供给客户，将通过不懈努力成为客户在信息化领域值得信任、有价值的长期合作伙伴，公司提供的服务项目有：域名申请、网络空间、营销软件、网站建设、新荣网站维护、网站推广。

一、说到信息筛选我们立马就会想到正则表达式，不过今天我们不讲正则表达式。因为对于爬虫来讲，正则表达式太复杂对新手十分不友好，而且正则表达式的容错率差，网页有稍微的改动就得重新写匹配表达式，另外正则表达式可读性几乎没有。

当然，这并不是说正则不好，只是正则不适合爬虫和新手。其实正则是十分强大的，在后面的数据清洗里我们会用到正则。

既然正则不能用，那该用什么呢？别担心，python为我们提供了很多解析 html页面的库，其中常用的有：

bs4中的 BeautifulSoup

lxml中的 etree（一个 xpath解析库）

BeautifulSoup类似 jQuery的选择器，通过 id、css选择器和标签来查找元素，xpath主要通过 html节点的嵌套关系来查找元素，和文件的路径有点像，比如：

#获取 id为 tab的 table标签下所有 tr标签
path = '//table[@id="tab"]//tr'
#和文件路径对比
path = 'D:\Github\hexo\source\_posts'

BeautifulSoup和 xpath没有好坏优劣之分，讲 xpath是因为个人觉得 xpath更好用一些，后面如果时间允许的话再讲 BeautifulSoup。

现在，让我们先从 xpath开始！

二、xpath的安装和使用

安装 lxml库

pip install lxml

简单的使用

在使用 xpath之前，先导入 etree类，对原始的 html页面进行处理获得一个_Element对象

我们可以通过_Element对象来使用 xpath

#导入 etree类
from lxml import etree
#作为示例的 html文本
html = '''
                
                    
                        
                            
                                
                                    点击我

a_text = dom.xpath('//div/div/div/div/div/a/text()') #用 // a_text = dom.xpath('//div//a/text()') #如果 div标签下有两个 a标签，那么这两个 a标签都会被选择（注意两个 a标签并不一定是兄弟节点） #比如下面的例子中的两个 a标签都会被选择因为这两个 a标签都是 div的子节点 ''' 点击我点击我 '''

新网创想网站建设，新征程启航

python爬虫系列之xpath是什么

其他资讯