关于python中的xpath解析定位
爬取的网站：http://jbk.39.net/chancegz/
这里只针对个别属性值：
#例如：'别名'下的span标签文本，‘发病部位'下的span标签文本以及‘挂号科室‘下的span标签文本
#
def disease(url):
text = get_html(url)
tree = etree.HTML(text)
bm = tree.xpath('//ul[@class="information_ul"]/li/i[text()="别名："]/following-sibling::span/text()')
bw = tree.xpath('//ul[@class="information_ul"]/li/i[text()="发病部位："]/following-sibling::span/a/text()')
ks = tree.xpath('//ul[@class="information_ul"]/li/i[text()="挂号科室："]/following-sibling::span/a/text()')
return bm, bw, ks
补充其他：
# /从根元素开始，相当于绝对路径
print(tree.xpath('/html/body/ul'))
# //全局搜索，找到所有
print(tree.xpath('//li'))
ul = tree.xpath('//ul')
# . 当前
# 返回的都是列表，查找到所有
li = ul[0].xpath('./li')
print(li)
for l in li:
# 获取属性id的值 @id
print(l.xpath('./@id'))
# 定位 /标签[@属性='值']
liClass = tree.xpath("//li[@class='liClass']")
print(liClass)
#判断，@属性='值' --->返回True或False
print(tree.xpath("//li/@id='12'"))
print("===========================")
#直接使用下标访问，下标从1开始 获取对个li里面的文本
print(tree.xpath('//li[2]/text()'))
#last()最后一个
print(tree.xpath('//li[last()]/text()'))
#倒数第二个
print(tree.xpath('//li[last()-1]/text()'))
# position() 位置 > < = >= <=
print(tree.xpath('//li[position()>1]'))
#* 通配
print(tree.xpath('//*[@class="liClass"]'))
# 或 |
print(tree.xpath('//li[@class="liClass"] | //div[@class="liClass"]'))
xpath基本语法
| 表达式 | 说明 |
|---|---|
| article | 选取所有article元素的所有子节点 |
| /article | 选取根元素article |
| article/a | 选取所有属于article的子元素的a元素 |
| //div | 选取所有div元素（不管出现在文档里的任何地方） |
| article//div | 选取所有属于article元素的后代的div元素，不管它出现在article之下的任何位置 |
| //@class | 选取所有名为class的属性 |
| 表达式 | 说明 |
|---|---|
| /article/div[1] | 选取属于article子元素的第一个div元素 |
| /article/div[last()] | 选取属于article子元素的最后一个div元素 |
| /article/div[last()-1] | 选取属于article子元素的倒数第二个div元素 |
| //div[@color] | 选取所有拥有color属性的div元素 |
| //div[@color=‘red'] | 选取所有color属性值为red的div元素 |
| 表达式 | 说明 |
|---|---|
| /div/* | 选取属于div元素的所有子节点 |
| //* | 选取所有元素 |
| //div[@*] | 选取所有带属性的div 元素 |
| //div/a 丨//div/p | 选取所有div元素的a和p元素 |
| //span丨//ul | 选取文档中的span和ul元素 |
| article/div/p丨//span | 选取所有属于article元素的div元素的p元素以及文档中所有的 span元素 |
补充：
相邻元素定位，
前一位：
preceding-sibling::div[1]
后一位：
following-sibling::div[1]
前N位：
preceding-sibling::div[N]
后N位：
following-sibling::div[N]
# 爬取i标签中包含相关检查节点的兄弟 a节点（找到i节点—>找到其父节点->找到该父节点的子节点a）
content = tree.xpath('//i[contains(text(),"相关检查：")]/../a[@class="blue"]/text()')
xpath多个class限制
//div[contains(@class, 'demo') and contains(@class, 'other')]
xpath 同时多个标签用| 分隔
//div[contains(@class, "jib-lh-articl")]/p | //div[contains(@class, "jib-lh-articl")]/h3
选择不包含某一属性的节点
//div[not(@class)] 没有class属性的div
//tbody/tr[not(@class or @id)]
获取当前节点的是什么类型的html标签
xpath_element.tag
补充知识：使用Xpath定位元素(和元素定位相关的Xpath语法)
本文主要讲述Xpath语法中，和元素定位相关的语法
第一种方法：通过绝对路径做定位（相信大家不会使用这种方式）
By.xpath("html/body/div/form/input")
第二种方法：通过相对路径做定位
两个斜杠代表相对路径
By.xpath("//input//div")
第三种方法：通过元素索引定位
By.xpath("//input[4]")
第四种方法：使用xpath+节点属性定位（结合第2、第3中方法可以使用）
By.xpath("//input[@id='kw1']")
By.xpath("//input[@type='name' and @name='kw1']")
第五种方法：使用部分属性值匹配（最强大的方法）
By.xpath("//input[start-with(@id,'nice')]")
By.xpath("//input[ends-with(@id,'很漂亮')]")
By.xpath("//input[contains(@id,'那么美')]")
第六种方法：使用前集中方法的组合
By.xpath("//input[@id='kw1']//input[start-with(@id,'nice']/div[1]/form[3])
以上这篇关于python中的xpath解析定位就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持我们。
赞 (0)