Xpath全称XML Path Language:XML路径语言,是一门在XML文档中查找信息的语言,同样适用HTML文档.
| . | 代表当前节点 |
| .. | 代表上一级节点 |
| / | 表示子级,仅一层关系 |
| // | 表示子(孙)级,可以是多层关系 |
| @ | 选取属性 |
| 通配符 | |
|---|---|
| * | 匹配任何元素节点 |
| @* | 匹配任何属性节点 |
| node() | 匹配任何类型的节点 |
使用前需将HTML内容转化:使用etree.HTML(内容)
以html=etree.HTML(内容)为例.
参数html开始的节点是<html>.
父级获取子级标签例:html.Xpath('/html/body')
子级获取父级标签例:html.Xpath('/html/body/..')
通过ID检索例:html.Xpath('.//div[@id="ID名"]')(ID前加@和[])
通过class检索例:html.Xpath('.//div[@class="class名"]')(class前加@和[])
通过position定位(position返回当前标签的位置号)例:html.Xpath(".//table/tr[position()>0]"(取tr标签下除了第一个标签的后面全部)
通过last()去父级标签的最后一个子级标签例:html.Xpath(".//table/tr[last()]")
通过text()获取标签文本值例:html.Xpath('./html/head/title/text()')
| 轴:可定义相对于当前节点的节点集 | 使用时加上"::"(两个冒号) |
|---|---|
| ancdstor | 选取当前节点的所有先辈 |
| ancestor or self | 选取当前节点的所有先辈以及当前节点本身 |
| attribute | 选取当前节点的所有所有属性 |
| child | 选取当前节点的所有子元素 |
| descendant | 选取当前节点的所有后代元素 |
| descendant or self | 选取当前节点的所有后代元素以及当前节点本身 |
| following | 选取文档中当前节点的结束标签之后的所有节点 |
| namespace | 选取当前节点的所有命名空间节点 |
| parent | 选取当前节点的父节点 |
| preceding | 选取文档中当前节点的开始标签之前的所有节点 |
| preceding-sibling | 选取当前节点之前的所有同级节点 |
| self | 选取当前节点 |
轴使用例:html.Xpath(".//table/ancestor::*")
