2020.2.26 xpath学习笔记

XPath是XML文档的路径语言，是一种从XML中查询某信息位置的语言。

 　　　　　　　　　　　　轴描述和对应的简略写法

轴描述	名称	说明	简略写法
child	子节点	比自身节点深度大一层的节点，包括自身的节点
attribute	属性		@
descendant	子孙节点	比自身节点深度大的节点，包括自身的节点
descendant-or-self	自身引用及子孙节点		//
following	下文节点	按纵轴视图，在此节点后的所有完整节点，即不包含其祖先节点
preceding	前文节点	按纵轴视图，在此节点前的所有完整节点，即不包含其子孙节点
following-sibling	下一个同级节点
preceding-sibling	上一个同级节点
self	自己		.
namespace	名称空间
parent	父节点	比自身节点深度小一层的节点，包括自身节点	..
ancestor	祖先节点	比自身节点深度小的节点，包括自身的节点
ancestor-or-self	自身引用及祖先节点

 

from lxml import etree   #导入lxml库的etree模块
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" name="item"><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>
'''             #申明一段Html文本（文本中最后一个 li 节点是没有闭合的
html = etree.HTML(text)     #对文本进行HTML类的初始化--->得到一个 XPath 解析对象
#result = etree.tostring(html)   #将html类型转换为 bytes 类型
#print(html)         #输出为： <Element html at 0x10b0b6e10>
#print(result.decode('utf-8'))       #利用 decode 方法转换成 str 类型

#print(html.xpath('//*'))            #选取所有节点

#print(html.xpath('//li'))           #选取所有li节点

#print(html.xpath('//li/a'))         #选取所有li节点中的所有直接a节点

#print(html.xpath('//a[@href="link1.html"]/../@class'))      #先选取所有a节点，在再其中href属性为link1.html的节点，然后获取它的父节点，最后获取它的clss的属性

#print(html.xpath('//li[@class="item-0"]/text()'))       #---->【'\n      ']
#print(html.xpath('//li[@class="item-0"]/a/text()'))     #选取节点中的文本---->['first item', 'fifth item']
#print(html.xpath('//li[@class="item-0"]//text()'))         #---->['first item', 'fifth item', '\n     ']

#print(html.xpath('//li[contains(@class,"item-0")]/a/text()'))       #contains(属性名称，属性值)   (多用于某个属性有多个值的情况）

#print(html.xpath('//li[contains(@class,"item-inactive") and @name="item"]/a/text()'))       #多属性匹配