xpath

ssrheart發表於2024-03-31

xpath

（1）介紹

  • 可在XML中查詢資訊
  • 支援HTML的查詢
  • 透過元素和屬性進行導航
pip install lxml

from lxml import etree

# 將原始碼轉化為能被XPath匹配的格式
selector = etree.HTML(原始碼) 

# 返回為一列表
res = selector.xpath(表示式)

（2）使用

（1）路徑表示式

表示式 描述 例項 解析
/ 從根節點選取 /body/div[1] 選取根結點下的body下的第一個div標籤
// 從匹配選擇的當前節點選擇文件中的節點，而不考慮它們的位置 //a 選取文件中所有的a標籤
./ 當前節點再次進行xpath ./a 選取當前節點下的所有a標籤
@ 選取屬性 //@calss 選取所有的class屬性
  • 直接使用xpath語法查詢出來的是Element物件,所以要使用for迴圈繼續xpath
  • text()獲取標籤中的文字值
from lxml import etree

html_doc = """
<html><head><title>The Dormouse's story</title></head>
<body>
<p class="title"><b>The Dormouse's story</b></p>

<p class="story">Once upon a time there were three little sisters; and their names were
<a href="http://example.com/elsie" class="sister" id="link1">Elsie</a>,
<a href="http://example.com/lacie" class="sister" id="link2">Lacie</a> and
<a href="http://example.com/tillie" class="sister" id="link3">Tillie</a>;
and they lived at the bottom of a well.</p>

<p class="story">...</p>
"""

selector = etree.HTML(html_doc)
res = selector.xpath("//a")

print(res)  # [<Element a at 0x2155de71640>, <Element a at 0x2155e3976c0>, <Element a at 0x2155e397800>]

for result in res:
    href = result.xpath('./@href')
    href1 = result.xpath('./@href')[0]  # 獲取標籤裡的href值
    href2 = result.xpath('./text()')[0]  # 獲取標籤裡的文字值

    print(href)
    # ['http://example.com/elsie'] ['http://example.com/lacie'] ['http://example.com/tillie']

    print(href1)
    # http://example.com/elsie http://example.com/lacie http://example.com/tillie

    print(href2)
    # Elsie Lacie Tillie

（2）謂語

  • 謂語用來查詢某個特定的節點或者包含某個指定的值的節點。
  • 謂語被嵌在方括號中。
  • 在下面的表格中，我們列出了帶有謂語的一些路徑表示式，以及表示式的結果：
路徑表示式 結果
/ul/li[1] 選取屬於 ul子元素的第一個 li元素。
/ul/li[last()] 選取屬於 ul子元素的最後一個 li元素。
/ul/li[last()-1] 選取屬於 ul子元素的倒數第二個 li元素。
//ul/li[position()❤️] 選取最前面的兩個屬於 ul元素的子元素的 li元素。
//a[@title] 選取所有擁有名為 title的屬性的 a元素。
//a[@title='xx'] 選取所有 a元素，且這些元素擁有值為 xx的 title屬性。
//a[@title>10] > < >= <= != 選取 a元素的所有 title元素，且其中的 title元素的值須大於 10。
/body/div[@price>35.00] 選取body下price元素值大於35的div節點

（3）選取未知節點

【1】語法

  • XPath 萬用字元可用來選取未知的 XML 元素。
萬用字元 描述
* 匹配任何元素節點。
@* 匹配任何屬性節點。
node() 匹配任何型別的節點。

【2】例項

  • 在下面的表格中，我們列出了一些路徑表示式，以及這些表示式的結果：
路徑表示式 結果
/ul/* 選取 bookstore 元素的所有子元素。
//* 選取文件中的所有元素。
//title[@*] 選取所有帶有屬性的 title 元素。
//node() 獲取所有節點

（4）模糊查詢

//div[contains(@id, "he")]

相關文章