一个Python案例带你掌握xpath数据解析方法

xpath解析是最常用且最便捷高效的一种解析方式，通用性强。本文将通过一个Python爬虫案例带你详细了解一下xpath数据解析方法，需要的可以参考一下

xpath基本概念

xpath解析：最常用且最便捷高效的一种解析方式。通用性强。

xpath解析原理

1.实例化一个etree的对象，且需要将被解析的页面源码数据加载到该对象中

2.调用etree对象中的xpath方法结合xpath表达式实现标签的定位和内容的捕获。

环境安装

pip install lxml

如何实例化一个etree对象

from lxml import etree

1.将本地的html文件中的远吗数据加载到etree对象中：

etree.parse(filePath)

2.可以将从互联网上获取的原码数据加载到该对象中：

etree.HTML(‘page_text')

xpath(‘xpath表达式’)

1./:表示的是从根节点开始定位。表示一个层级

2.//:表示多个层级。可以表示从任意位置开始定位

3.属性定位：//div[@class='song'] tag[@attrName='attrValue']

4.索引定位：//div[@class='song']/p[3] 索引从1开始的

5.取文本：

/text()获取的是标签中直系的文本内容
//text()标签中非直系的文本内容（所有文本内容）

6.取属性：/@attrName ==>img/src

xpath爬取58二手房实例

完整代码

from lxml import etree import requests if __name__ == '__main__':     headers = {         'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/84.0.4147.105 Safari/537.36'     }     url = 'https://xa.58.com/ershoufang/'     page_text = requests.get(url=url,headers=headers).text     tree = etree.HTML(page_text)     div_list = tree.xpath('//section[@class="list"]/div')     fp = open('./58同城二手房.txt','w',encoding='utf-8')     for div in div_list:         title = div.xpath('.//div[@class="property-content-title"]/h3/text()')[0]         print(title)         fp.write(title+'\n'+'\n')

xpath图片解析下载实例

完整代码

import requests,os from lxml import etree if __name__ == '__main__':     headers = {         'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/84.0.4147.105 Safari/537.36'     }     url = 'https://pic.netbian.com/4kmeinv/'     page_text = requests.get(url=url,headers=headers).text     tree = etree.HTML(page_text)     li_list = tree.xpath('//div[@class="slist"]/ul/li/a')     if not os.path.exists('./piclibs'):         os.mkdir('./piclibs')     for li in li_list:         detail_url ='https://pic.netbian.com' + li.xpath('./img/@src')[0]         detail_name = li.xpath('./img/@alt')[0]+'.jpg-600'         detail_name = detail_name.encode('iso-8859-1').decode('GBK')         detail_path = './piclibs/' + detail_name         detail_data = requests.get(url=detail_url, headers=headers).content         with open(detail_path,'wb') as fp:             fp.write(detail_data)             print(detail_name,'seccess!!')

xpath爬取全国城市名称实例

完整代码

import requests from lxml import etree if __name__ == '__main__':     url = 'https://www.aqistudy.cn/historydata/'     headers = {         'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.141 Safari/537.36',     }     page_text = requests.get(url=url,headers=headers).content.decode('utf-8')     tree = etree.HTML(page_text)     #热门城市   //div[@class="bottom"]/ul/li     #全部城市   //div[@class="bottom"]/ul/div[2]/li     a_list = tree.xpath('//div[@class="bottom"]/ul/li | //div[@class="bottom"]/ul/div[2]/li')     fp = open('./citys.txt','w',encoding='utf-8')     i = 0     for a in a_list:         city_name = a.xpath('.//a/text()')[0]         fp.write(city_name+'\t')         i=i+1         if i == 6:             i = 0             fp.write('\n')     print('爬取成功')

xpath爬取简历模板实例

完整代码

import requests,os from lxml import etree if __name__ == '__main__':     url = 'https://sc.chinaz.com/jianli/free.html'     headers = {         'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.141 Safari/537.36',     }     page_text = requests.get(url=url,headers=headers).content.decode('utf-8')     tree = etree.HTML(page_text)     a_list = tree.xpath('//div[@class="box col3 ws_block"]/a')     if not os.path.exists('./简历模板'):         os.mkdir('./简历模板')     for a in a_list:         detail_url = 'https:'+a.xpath('./@href')[0]         detail_page_text = requests.get(url=detail_url,headers=headers).content.decode('utf-8')         detail_tree = etree.HTML(detail_page_text)         detail_a_list = detail_tree.xpath('//div[@class="clearfix mt20 downlist"]/ul/li[1]/a')         for a in detail_a_list:             download_name = detail_tree.xpath('//div[@class="ppt_tit clearfix"]/h1/text()')[0]             download_url = a.xpath('./@href')[0]             download_data = requests.get(url=download_url,headers=headers).content             download_path = './简历模板/'+download_name+'.rar'             with open(download_path,'wb') as fp:                 fp.write(download_data)                 print(download_name,'success!!')