Python爬虫笔记（四）xpath

一、什么是xml？

1、定义：可扩展标记性语言
2、特点：xml的是具有自描述结构的半结构化数据。
3、作用：xml主要设计宗旨是用来传输数据的。他还可以作为配置文件。

二、xml和html的区别？

1、语法要求不同：xml的语法要求更严格。
	（1）html不区分大小写的，xml区分。
	（2）html有时可以省却尾标签。
		xml不能省略任何标签，严格按照嵌套首位结构。
	（3）只有xml中有自闭标签(没有内容的标签,只有属性。)<a class='abc'/>
	（4）在html中属性名可以不带属性值。xml必须带属性值。
	（5）在xml中属性必须用引号括起来，html中可以不加引号。
2、作用不同：
	html主要设计用来显示数据以及更好的显示数据。
	xml主要设计宗旨就是用传输数据。
3、标记不同：xml没有固定标记，html的标记都是固定的，不能自定义。

三、xpath

1、什么是xpath？
	xpath是一种筛选html或者xml页面元素的【语法】。
2、xml和html的一些名词：
	元素、标签、属性、内容
3、xml的两种解析方法：
	dom和sax。
4、xpath语法：
	（1）选取节点：
		nodename --- 选取此标签及其所有字标签。
		/----从根节点开始选取。
		// ----从任意节点开始，不考虑他们的位置。
			//book---不管book位置，在xml中取出所有的book标签。
		.----当前节点开始找
		..----从父节点
		@ ---选取属性
		text()---选取内容
	（2）谓语：起限定的作用，限定他前面的内容。
		[]写在谁的后面，就限定谁，一般用于限定元素或者标签。
		//book[@class='abc']
		常见的谓语：
			[@class]   ----选取有class
			[@class='abc'] ---选取class属性为abc的节点。