xpath教程⼆----通过ID和Class检索
必备知识点
在html中，id是唯⼀的
在html中，class是可以多处引⽤的
⼯具
Python3版本
lxml库【优点是解析快】
HTML代码块【从⽹络中获取或者⾃⼰杜撰⼀个】
requests【推荐安装，从⽹页上获取⽹页代码练⼿，再好不过了】
Xpath学习
先定义html代码块【这次只从body开始】
<body>
<div class="container">
<div id="first">
<div class="one">都市</div>
<div class="two">德玛西亚</div>
<div class="two">王牌对王牌</div>
<a>
<div class="spe">特殊位置</div>
</a>
</div>
xpath语法 python
<div id="second">
<div class="three">⽔电费</div>
<div class="three">说的话房间不开封</div>
<div class="four">三顿饭⿊客技术</div>
</div>
<div id="third">
<div class="three">⽔电费</div>
<div class="three">说的话房间开封</div>
</div>
</div>
</body>
"""
再准备python代码块
from lxml import etree
html = etree.HTML(html_str)
任务⼀：获取类名为one的⽂本值
解决这个问题，有⾮常简单的xpath路径，直接匹配html代码中的class，然后获取⽂本值就⾏
代码如下：
print(html.xpath('.//div[@class="one"]/text()'))
结果：['都市']
这⾥需要解释多个地⽅： - @的作⽤：表⽰属性，div属于标签，它有⾃⼰的属性，例如class、id等等。 - 点 . 的作⽤：表⽰当前位置；与其对应的是双点 .. ：表⽰上⼀层级的位置 - 双斜杠 // 的作⽤：查当前标签下所有⼦级中搜索；与其对应的是单斜杆 / ，这个标签标签下⼀层所有中搜索。【后⾯两个任务是这点的练习】
任务⼆：获取id为first下，第⼀层⼦级div标签的⽂本值
只需要获取第⼀层，使⽤单斜杆就⾜够了，xpath路径如下：
print(html.xpath('.//div[@id="first"]/div/text()'))
结果：['都市', '德玛西亚', '王牌对王牌']
任务三：获取id为first下，所有层级div标签的⽂本值
这个任务和上⼀个任务形成对⽐，⼀个是单斜杆⼀个是双斜杠，则xpath的代码如下：
print(html.xpath('.//div[@id="first"]//div/text()'))
结果：['都市', '德玛西亚', '王牌对王牌', '特殊位置']
任务四：获取id为second下，所有类为three的div标签的⽂本值
指定id为second，并且⼦级div的类名是three，然后是获取⽂本，则xpath如下
print(html.xpath('.//div[@id="second"]/div[@class="three"]/text()'))
结果：['⽔电费', '说的话房间不开封']
任务五：获取所有类为three的div标签的⽂本值
观察html代码块，会发现类为three的div标签在⼏个地⽅，所以这⾥最好的⽅法就是全局范围内的直接搜索，简单粗暴的xpath如下：print(html.xpath('.//div[@class="three"]/text()'))
结果：['⽔电费', '说的话房间不开封', '⽔电费', '说的话房间开封']
任务六：获取⽂本等于⽔电费的标签，取出他们的class
通过⽂本值，获取他们的类名信息，就是把上⼀个任务反过来做就⾏，xpath如下：
print(html.xpath('.//div[text()="⽔电费"]/@class'))
结果：['three', 'three']
最终的代码和运⾏截图
html_str = """
<body>
<div class="container">
<div id="first">
<div class="one">都市</div>
<div class="two">德玛西亚</div>
<div class="two">王牌对王牌</div>
<a>
<div class="spe">特殊位置</div>
</a>
</div>
<div id="second">
<div class="three">⽔电费</div>
<div class="three">说的话房间不开封</div>
<div class="four">三顿饭⿊客技术</div>
</div>
<div id="third">
<div class="three">⽔电费</div>
<div class="three">说的话房间开封</div>
</div>
</div>
</body>
"""
from lxml import etree
html = etree.HTML(html_str)
print(html.xpath('.//div[@class="one"]/text()'))
print(html.xpath('.//div[@id="first"]/div/text()'))
print(html.xpath('.//div[@id="first"]//div/text()'))
print(html.xpath('.//div[@id="second"]/div[@class="three"]/text()'))
print(html.xpath('.//div[@class="three"]/text()'))
print(html.xpath('.//div[text()="⽔电费"]/@class'))
版权声明：允许转载，转载请注明出处 ——

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。