python中xpath怎样运用呢？不知道的小伙伴来看看小编昨天的分享吧!
一、xpath简介
XPath 是一门在 XML 文档中查找信息的言语。XPath 可用来在 XML 文档中对元素和属性进行遍历。XPath 是 W3C XSLT 尺度的首要元素，而且 XQuery 和 XPointer 都构建于 XPath 抒发之上。
二、安置
pip3 install lxml
三、运用
1、导入
from lxml import etree
2、基础运用
from lxml import etree
wb_data = """
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">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>
"""
html = etree.HTML(wb_data)
print(html)
result = etree.tostring(html)
print(result.decode("utf-8"))
从下面的了局来看，我们打印机html其实便是一个python对象，etree.tostring(html)则是不全里html的基础写法，补全了缺胳膊少腿的标签。
Element html at 0x39e58f0>
html>body>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">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>
/li>/ul>
/div>
/body>/html>
3、获得某个标签的内容(基础运用)，细致，获得a标签的一切内容，a背后就不用再加正斜杠，不然报错。
写法一
html = etree.HTML(wb_data)
html_data = html.xpath(´/html/body/div/ul/li/a´)
print(html)
for i in html_data:
print(i.text)
Element html at 0x12fe4b8>
first item
second item
third item
fourth item
fifth item
写法二（干脆在需求查找内容的标签背后加一个/text()就行）
html = etree.HTML(wb_data)
html_data = html.xpath(´/html/body/div/ul/li/a/text()´)
print(html)
for i in html_data:
print(i)
Element html at 0x138e4b8>
first item
second item
third item
fourth item
fifth item
4、张开读取html文件
#运用parse张开html的文件
html = etree.parse(´test.html´)
html_data = html.xpath(´//*´)br>#打印是一个列表，需求遍历
print(html_data)
for i in html_data:
print(i.text)
html = etree.parse(´test.html´)
html_data = etree.tostring(html,pretty_print=True)
res = html_data.decode(´utf-8´)
print(res)
打印：
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">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>/li>
/ul>
/div>
5、打印指定途径下a标签的属性（能够经由过程遍历拿到某个属性的值，查找标签的内容）
html = etree.HTML(wb_data)
html_data = html.xpath(´/html/body/div/ul/li/a/@href´)
for i in html_data:
print(i)
打印：
link1.html
link2.html
link3.html
link4.html
link5.html
6、我们晓得我们运用xpath拿到得都是一个个的ElementTree对象，所以若是需求查找内容的话，还需求遍历拿到资料的列表。
查到绝对途径下a标签属性即是link2.html的内容。
html = etree.HTML(wb_data)
html_data = html.xpath(´/html/body/div/ul/li/a[@href="link2.html"]/text()´)
print(html_data)
for i in html_data:
print(i)
打印：
[´second item´]
second item
7、上面的找到全部都是绝对途径（每一个都是从根入手下手查找），下面是查找对应途径，比方，查找一切li标签下的a标签内容。
html = etree.HTML(wb_data)
html_data = html.xpath(´//li/a/text()´)
print(html_data)
for i in html_data:
print(i)
打印：
[´first item´, ´second item´, ´third item´, ´fourth item´, ´fifth item´]
first item
second item
third item
fourth item
fifth item
8、上面我们运用绝对途径，查找了一切a标签的属性即是href属性值，利用的是/---绝对途径，下面我们运用对应途径，查找一下l对应途径下li标签下的a标签下的href属性的值，细致，a标签背后需求双//。
html = etree.HTML(wb_data)
html_data = html.xpath(´//li/a//@href´)
print(html_data)
for i in html_data:
print(i)
打印：
[´link1.html´, ´link2.html´, ´link3.html´, ´link4.html´, ´link5.html´]
link1.html
link2.html
link3.html
link4.html
link5.html
9、对应途径下跟绝对途径下查特定属性的办法相似，也可以说相同。
html = etree.HTML(wb_data)
html_data = html.xpath(´//li/a[@href="link2.html"]´)
print(html_data)
for i in html_data:
print(i.text)
打印：
[Element a at 0x216e468>]
second item
10、查找最后一个li标签里的a标签的href属性
html = etree.HTML(wb_data)
html_data = html.xpath(´//li[last()]/a/text()´)
print(html_data)
for i in html_data:
print(i)
打印：
[´fifth item´]
fifth item
11、查找倒数第二个li标签里的a标签的href属性
html = etree.HTML(wb_data)
html_data = html.xpath(´//li[last()-1]/a/text()´)
print(html_data)
for i in html_data:
print(i)
打印：
[´fourth item´]
fourth item
12、如果在提取某个页面的某个标签的xpath途径的话，能够如下图：
//*[@id="kw"]
注释：运用对应途径查找一切的标签，属性id即是kw的标签。
<
