xpath解析
xpath解析
最常用且最便捷高效的一种解析方式。通用性。
xpath解析原理:
- 1.实例化一个etree的对象,且需要将被解析的页面源码数据加载到该对象中。
- 2.调用etree对象中的xpath方法结合着xpath表达式实现标签的定位和内容的捕获。
环境的安装:
pip install lxml
如何实例化一个etree对象:from lxml import etree
- 1.将本地的html文档中的源码数据加载到etree对象中:
etree.parse(filePath)
- 2.可以将从互联网上获取的源码数据加载到该对象中
etree.HTML('page_text')
- xpath('xpath表达式')
- xpath表达式:
- /:表示的是从根节点开始定位。表示的是一个层级。
- //:表示的是多个层级。可以表示从任意位置开始定位。
- 属性定位://div[@class='song'] tag[@attrName="attrValue"]
- 索引定位://div[@class="song"]/p[3] 索引是从1开始的。
- 取文本:
- /text() 获取的是标签中直系的文本内容
- //text() 标签中非直系的文本内容(所有的文本内容)
- 取属性:
/@attrName ==>img/src
xpath解析案例
全国城市名称爬取
#!/usr/bin/env python # -*- coding:utf-8 -*- import requests from lxml import etree #项目需求:解析出所有城市名称https://www.aqistudy.cn/historydata/ if __name__ == "__main__": # headers = { # 'User-Agent':'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_0) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.103 Safari/537.36' # } # url = 'https://www.aqistudy.cn/historydata/' # page_text = requests.get(url=url,headers=headers).text # # tree = etree.HTML(page_text) # host_li_list = tree.xpath('//div[@class="bottom"]/ul/li') # all_city_names = [] # #解析到了热门城市的城市名称 # for li in host_li_list: # hot_city_name = li.xpath('./a/text()')[0] # all_city_names.append(hot_city_name) # # #解析的是全部城市的名称 # city_names_list = tree.xpath('//div[@class="bottom"]/ul/div[2]/li') # for li in city_names_list: # city_name = li.xpath('./a/text()')[0] # all_city_names.append(city_name) # # print(all_city_names,len(all_city_names)) headers = { 'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_0) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.103 Safari/537.36' } url = 'https://www.aqistudy.cn/historydata/' page_text = requests.get(url=url, headers=headers).text tree = etree.HTML(page_text) #解析到热门城市和所有城市对应的a标签 # //div[@class="bottom"]/ul/li/ 热门城市a标签的层级关系 # //div[@class="bottom"]/ul/div[2]/li/a 全部城市a标签的层级关系 a_list = tree.xpath('//div[@class="bottom"]/ul/li/a | //div[@class="bottom"]/ul/div[2]/li/a') all_city_names = [] for a in a_list: city_name = a.xpath('./text()')[0] all_city_names.append(city_name) print(all_city_names,len(all_city_names))