Python爬虫库 - XPath

XPath是一套节点选取规则,使用路径表达式来选取XML文档中的节点或节点集。节点是通过沿着路径 (path) 或者步 (steps) 来选取的。

我们将在下面的例子中使用这个XML文档。

<?xml version="1.0" encoding="ISO-8859-1"?>
<bookstore>
	<book>
	  <title lang="eng">Harry Potter</title>
	  <price>29.99</price>
	</book>
	<book>
	  <title lang="eng">Learning XML</title>
	  <price>39.95</price>
	</book>
</bookstore>

选取节点

表达式 描述
nodename 选取此节点的所有子节点。
/ 从根节点选取。
// 从匹配选择的当前节点选择文档中的节点,而不考虑它们的位置。
. 选取当前节点。
.. 选取当前节点的父节点。
@ 选取属性。

实例

在下面的表格中,我们已列出了一些路径表达式以及表达式的结果:

路径表达式 结果
bookstore 选取bookstore元素的所有子节点。
/bookstore 选取根元素bookstore。假如路径起始于正斜杠(/),则此路径始终代表到某元素的绝对路径!
bookstore/book 选取属于bookstore的子元素的所有book元素。
//book //book
bookstore//book 选择属于bookstore元素的后代的所有book元素,而不管它们位于bookstore之下的什么位置。
//@lang 选取名为lang的所有属性。

谓语(Predicates)

谓语用来查找某个特定的节点或者包含某个指定的值的节点。谓语被嵌在方括号中。

实例

在下面的表格中,我们列出了带有谓语的一些路径表达式,以及表达式的结果:

路径表达式 结果
/bookstore/book[1] 选取属于bookstore子元素的第一个book元素。
/bookstore/book[last()] 选取属于bookstore子元素的最后一个book元素。
/bookstore/book[last()-1] 选取属于bookstore子元素的倒数第二个book元素。
/bookstore/book[position()<3] 选取最前面的两个属于bookstore元素的子元素的book元素。
//title[@lang] 选取所有拥有名为lang的属性的title元素。
//title[@lang='eng'] 选取所有title元素,且这些元素拥有值为englang属性。
/bookstore/book[price>35.00] 选取bookstore元素的所有book元素,且其中的price元素的值须大于35.00
/bookstore/book[price>35.00]/title 选取bookstore元素中的book元素的所有title元素,且其中的price元素的值须大于35.00

选取未知节点

XPath通配符可用来选取未知的XML元素。

通配符 描述
* 匹配任何元素节点。
@* 匹配任何属性节点。
node() 匹配任何类型的节点。

实例

在下面的表格中,我们列出了一些路径表达式,以及这些表达式的结果:

路径表达式 结果
/bookstore/* 选取bookstore元素的所有子元素。
//* 选取文档中的所有元素。
//title[@*] 选取所有带有属性的title元素。

选取若干路径

通过在路径表达式中使用|运算符,您可以选取若干个路径。

路径表达式 结果
//book/title | //book/price 选取book元素的所有titleprice元素。
//title | //price 选取文档中的所有titleprice元素。
/bookstore/book/title | //price 选取属于bookstore元素的book元素的所有title元素,以及文档中所有的price元素。

原文地址:http://www.r9it.com/20171104/xpath.html

-- EOF --
最后更新于: 2019-09-10 16:18
发表于: 2017-04-08 22:21
标签: Python 爬虫