前言
本来打算写的标题是XPath语法,但是想了一下Python中的解析库lxml,使用的是Xpath语法,同样也是效率比较高的解析方法,所以就写成了XPath语法和lxml库的用法
XPath 即为 XML 路径语言,它是一种用来确定 XML(标准通用标记语言的子集)文档中某部分位置的语言。
XPath 基于 XML 的树状结构,提供在数据结构树中找寻节点的能力。 XPath 同样也支持HTML。
XPath 是一门小型的查询语言。
python 中 lxml库 使用的是 Xpath 语法,是效率比较高的解析方法。
下面话不多说了,来一起看看详细的介绍吧
安装
为什么要用这个库呢,因为要写爬虫啊,利用lxml库来解析 HTML 代码,同时lxml也继承了libxml2的特性自动修正HTML代码,利用pip安装即可
pip install lxml
XPath语法
XPath是一门在XML文档中查找信息的语言,可以用于在XML文档中通过元素和属性进行导航
举个栗子 "htmlcode">
第一个:父(Parent) 每个元素以及属性都有一个父 url元素是 loc、lastmod、changefreq以及 priority元素的父 第二个:子(Children) 元素节点可有零个、一个或多个子 loc、lastmod、changefreq以及 priority元素都是url元素的子 第三个:同胞(Sibling) 拥有相同的父的节点 loc、lastmod、changefreq以及 priority元素都是url元素的同胞 第四个:先辈(Ancestor) 某节点的父、父的父,等等 loc元素的先辈是 url元素和 urlset元素 第五个:后代(Descendant) 某个节点的子,子的子,等等 urlset的后代是url、loc、lastmod、changefreq以及 priority元素 如果你分不清楚,就按照子元素从上到下的去找元素节点 选取节点 XPath使用路径表达式在 XML 文档中选取节点,节点是通过沿着路径或者 step 来选取的,也就是上面所说的按照子元素从上到下去找元素节点 这些是最有用的路径表达式 "external nofollow" target="_blank" href="http://www.w3school.com.cn/xpath/xpath_syntax.asp">w3school XPath实例测试 提取本站网站地图中id属性为content的的子元素h3的内容以及子元素a的href属性,F12去看代码找这个属性 div的id属性,下面的子元素h3的内容,直接利用 text 方法来获取元素的内容,然后输出 这里的子元素层级关系必须按顺序写好,不然会报错的 IndexError: list index out of range 这就说明你的XPath规则没写好,list是一个空的,没有一个元素 XPath 是一个非常好用的解析方法,同时也是作为爬虫学习的基础 总结 以上就是这篇文章的全部内容了,希望本文的内容对大家的学习或者工作具有一定的参考学习价值,如果有疑问大家可以留言交流,谢谢大家对的支持。
<urlset>
<url>
<loc>https://qq52o.me</loc>
<lastmod>2018-04-28T19:00:42+00:00</lastmod>
<changefreq>daily</changefreq>
<priority>1.0</priority>
</url>
</urlset>
免责声明:本站文章均来自网站采集或用户投稿,网站不提供任何软件下载或自行开发的软件! 如有用户或公司发现本站内容信息存在侵权行为,请邮件告知! 858582#qq.com
RTX 5090要首发 性能要翻倍!三星展示GDDR7显存
三星在GTC上展示了专为下一代游戏GPU设计的GDDR7内存。
首次推出的GDDR7内存模块密度为16GB,每个模块容量为2GB。其速度预设为32 Gbps(PAM3),但也可以降至28 Gbps,以提高产量和初始阶段的整体性能和成本效益。
据三星表示,GDDR7内存的能效将提高20%,同时工作电压仅为1.1V,低于标准的1.2V。通过采用更新的封装材料和优化的电路设计,使得在高速运行时的发热量降低,GDDR7的热阻比GDDR6降低了70%。