lxml与XPath

XPath
lxml装载HTML代码有如下两种方式：
（1)从文件装载，通过parse函数指定HTML文件名。
(2)从代码装载，通过HTML函数指定HTML代码。
XPath语言的基本语法就是多级目录。
XPath的基本语法规则
nodename 选取此节点的所有子节点
/ 从当前节点选取直接子节点
// 从当前节点选取子孙节点
. 选取当前节点
… 选取当前节点的父节点
@ 选取属性
在lxml中使用XPath需要通过xpath函数指定XPath代码
lxmI中使用XPath过滤节点：
from lxml import etree
parser := etree.HTMLParser ()
tree = etree.parse ( ’ test .html’, parser)
titles = tree . xpath ( ’ /html/head/title ’ )
if len (titles) > 0:
print (titles[0].text)

#定义一段HTML代码
html = ‘’’

• <'a href="https: /／geekori.com"> geekori . com
• 京东商城
• 淘宝

'''

分析HTML代码

tree = etree.HTML (html)
aTags = tree . xpath （ "//li [@class='item2 ’ ] ")
if len (aTags) > 0:
print (aTags [0 ] [0] .get ('hre f ’ ) , aTags [0] [0] .text)

执行这段代码，会输出如下的结果。
https://www.jd.com 京东商城

通过阅读这段代码，应该注意如下两点：
(1）通过XPath定位节点返回的是节点集合，即使只有一个节点，返回的也是一个节点集合。
(2)使用XPath分析的HTML文档并不一定是标准的，可以没有像、 、 这些节点。任何一段符合HTML语法标准的代码都可以使用XPath进行定位。

选取所有节点
以2个斜杠( //)开头的XPath规则会选取所有符合要求的节点。如果使用’//*‘那么会选取整个HTML文档中所有的节点，其中星号( *)表示所有的节点。当然，’//‘后面还可以跟更多的规则，例如，要选取所有的

• 节点，可以使用’//li’

• 本例使用XPath选取demo.html文件中所有的节点以及所有的节点，并输出选取节点的名称。
  首先准备一个demo.html文件
  实例位置： src/xpath/demo.html
  < ! DOCTYPE html>

  选取所有节点的代码如下：
  实例位置： src/xpath/allnode.py
  from lxml import etree
  parser = etree.HTMLParser ()
  html = etree .parse ( ’ demo .html ‘, parser)
  nodes = html.xpath (’//*’)
  print（ ‘共’，len (nodes） ，‘个节点’）
  print (nodes)
  for i in range (0,len (nodes) ) :
  print (nodes [i].tag,end=’ ’ ）
  def printNodeTree (node, indent) :
  print (indent + node.tag)