XPath和XML简介

1. XPATH简介

1.1 XPATH的作用：

• XPATH是一门在XML文档中查找信息的语言。XPATH可以用来在XML文档中对元素和属性进行遍历
• XML是一种标记语法的文本格式，xpath可以方便的定位xml中的元素和其中的属性值。
• lxml是Python的一个包，这个包中包含了将html文本转成xml对象，和对对象执行xpath功能

1.2 节点的关系

xml_content = '''
<bookstore>
<book>
    <title lang='eng'>Harry Potter</title>
    <author>K.Rowing</author>
    <year>2005</year>
    <price>29<price>
</book>
</bookstore>
'''

• 父轴（Parent ）：每个属性和元素都有个父轴
  • book元素是 title 、author、year 和 price元素的父轴
• 子轴 （Children）：拥有相同的父轴的节点
  • title 、author、year 和 price元素都是book元素的子轴
• 同胞轴（Sibling）：用有相同父元素的节点
  • title 、author、year 和 price元素都是同胞
• 先辈轴（Ancsetor）：某节点的父轴
  • title 元素的父轴是book 和 bookstore
• 后代轴（Descendant）：某节点的子轴，子轴的子轴等等
  • book 的后代是 title 、author、year 和 price
    

2. 基本使用

2.1 工具的安装


查找某个特定的节点或者包含某个指定的值的节点


2.2 模块的使用

• 在Python中我们通过安装lxml库来使用xpath技术
• lxml是一个HMLT/XML的解析器，主要功能是如何提取解析和提取HTML/XML数据，利用etree.html将字符串转化为Element对象
• xml python 官方文档：http://lxml.de/index.html
• etree的作用：
• 将HTML字符串转化为Element对象
• Element可以对象 可以转化为字符串或者二进制类型

2.3 节点测试
XPath支持的节点测试语法，能够对轴索筛选出的结果集做进一步过滤。具体常用的语法包括：

• nodename

  • 从指定轴匹配的所有节点中选出名称为nodename的节点

• node()

  • 选择与之匹配的所有类型的节点

• text()

  • 选择制定轴匹配的所有文本类型的节点

• comment()

  • 选择指定轴匹配的所有注释节点

• processiong-instruction()

  • 选择指定轴匹配的所有处理指令节点