博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
Python 爬虫知识点 - XPath
阅读量:6290 次
发布时间:2019-06-22

本文共 1228 字,大约阅读时间需要 4 分钟。

 

一、基础介绍

<bookstore>

  <book>
    <title>Harry Potter</title>
    <author>J K. Rowling</author>
    <year>2005</year>
    <price>29.99</price>
  </book>
</bookstore>

bookstore : 选取 bookstore 元素的所有子节点。

/bookstore  :  选取根元素 bookstore。注释: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  :  选取所有 book 子元素,而不管它们在文档中的位置。
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。

 

/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 eng 的 lang 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。

 

二、使用场景

 http://category.dangdang.com/pg2-cp01.54.06.00.00.00.html

定位链接和标题 

response.xpath("//a[@class="pic"]/@href").extract()

response.xpath("//a[@class="pic"]/@title").extract()

定位评论

response.xpath("//a[@name="P_pl"]/text()").extract()

 

转载地址:http://izkta.baihongyu.com/

你可能感兴趣的文章
windows下安装redis
查看>>
CentOS7 yum 安装git
查看>>
启动日志中频繁出现以下信息
查看>>
httpd – 对Apache的DFOREGROUND感到困惑
查看>>
分布式锁的一点理解
查看>>
idea的maven项目,install下载重复下载本地库中已有的jar包,而且下载后jar包都是lastupdated问题...
查看>>
2019测试指南-web应用程序安全测试(二)指纹Web服务器
查看>>
树莓派3链接wifi
查看>>
js面向对象编程
查看>>
Ruby中类 模块 单例方法 总结
查看>>
jQuery的validate插件
查看>>
5-4 8 管道符 作业控制 shell变量 环境变量配置
查看>>
Enumberable
查看>>
开发者论坛一周精粹(第五十四期) 求购备案服务号1枚!
查看>>
validate表单验证及自定义方法
查看>>
javascript 中出现missing ) after argument list的错误
查看>>
使用Swagger2构建强大的RESTful API文档(2)(二十三)
查看>>
Docker容器启动报WARNING: IPv4 forwarding is disabled. Networking will not work
查看>>
(转)第三方支付参与者
查看>>
程序员修炼之道读后感2
查看>>