Python爬虫：Xpath语法笔记

1、选取节点

经常使用的路劲表达式：

 

表达式	描述	实例
nodename	选取nodename节点的全部子节点	xpath('//div')	选取了div节点的全部子节点
/	从根节点选取	xpath('/div')	从根节点上选取div节点
//	选取全部的当前节点，不考虑他们的位置	xpath('//div')	选取全部的div节点
.	选取当前节点	xpath('./div')	选取当前节点下的div节点
..	选取当前节点的父节点	xpath('..')	回到上一个节点
@	选取属性	xpath（'//@calss'）	选取全部的class属性

 

2、谓语

谓语被嵌在方括号内，用来查找某个特定的节点或包含某个制定的值的节点

实例：

 

表达式	结果
xpath('/body/div[1]')	选取body下的第一个div节点
xpath('/body/div[last()]')	选取body下最后一个div节点
xpath('/body/div[last()-1]')	选取body下倒数第二个div节点
xpath('/body/div[positon()<3]')	选取body下前两个div节点
xpath('/body/div[@class]')	选取body下带有class属性的div节点
xpath('/body/div[@class="main"]')	选取body下class属性为main的div节点
xpath('/body/div[price>35.00]')	选取body下price元素值大于35的div节点

 

3、通配符

Xpath经过通配符来选取未知的XML元素

 

表达式	结果
xpath（'/div/*'）	选取div下的全部子节点
xpath('/div[@*]')	选取全部带属性的div节点

 

4、取多个路径

使用“|”运算符能够选取多个路径

 

表达式	结果
xpath('//div|//table')	选取全部的div和table节点

 

5、Xpath轴

轴能够定义相对于当前节点的节点集

轴名称	表达式	描述
ancestor	xpath('./ancestor::*')	选取当前节点的全部先辈节点（父、祖父）
ancestor-or-self	xpath('./ancestor-or-self::*')	选取当前节点的全部先辈节点以及节点自己
attribute	xpath('./attribute::*')	选取当前节点的全部属性
child	xpath('./child::*')	返回当前节点的全部子节点
descendant	xpath('./descendant::*')	返回当前节点的全部后代节点（子节点、孙节点）
following	xpath('./following::*')	选取文档中当前节点结束标签后的全部节点
following-sibing	xpath('./following-sibling::*')	选取当前节点以后的兄弟节点
parent	xpath('./parent::*')	选取当前节点的父节点
preceding	xpath('./preceding::*')	选取文档中当前节点开始标签前的全部节点

 

preceding-sibling	xpath('./preceding-sibling::*')	选取当前节点以前的兄弟节点
self	xpath('./self::*')	选取当前节点

 

6、功能函数    

使用功能函数可以更好的进行模糊搜索

 

函数	用法	解释
starts-with	xpath('//div[starts-with(@id,"ma")]')	选取id值以ma开头的div节点
contains	xpath('//div[contains(@id,"ma")]')	选取id值包含ma的div节点
and	xpath('//div[contains(@id,"ma") and contains(@id,"in")]')	选取id值包含ma和in的div节点
text()	xpath('//div[contains(text(),"ma")]')	选取节点文本包含ma的div节点

 

scrapy xpath文档：http://doc.scrapy.org/en/0.14/topics/selectors.html