知识点讲解一：Xpath的介绍和用法
1 前言
本来是不打算学Xpath的，个人觉得BeautifulSoup()完全能够满足自己的爬虫需求了。但是在学Selenium是时候教程用的是Xpath，加上之前身边的小伙伴也一直在给自己安利Xpath，索性就了解一下。
2 Xpath语法
2.1 简介
XPath 是一门在 XML 文档中查找信息的语言。XPath 可用来在 XML 文档中对元素和属性进行遍历。结构关系包括 父、子、兄弟、先辈、后代等。
2.2 语法
示例代码：
这是一个解析后的HTML文件的一部分
<bookstore>
<book>
<title>Harry Potter</title>
<author>J K. Rowling</author>
<year>2018</year>
<price>29.99</price>
</book>
</bookstore>语法示例：
result = html.xpath('/bookstore/book/title')
>输出：<title>Harry Potter</title>result = html.xpath('/bookstore//title')
>输出：<title>Harry Potter</title>result = html.xpath('/bookstore/book/title/text()')
>输出：Harry Potter2.3 结点获取
XPath 使用路径表达式在 XML 文档中选取节点。节点是通过沿着路径或者 step 来选取的。
下面列出了最有用的路径表达式：
表达式 | 描述 |
|---|---|
nodename | 选取此节点的所有子节点。 |
/ | 从根节点选取。 |
// | 从选择的父节点中查找，不考虑它们的位置。 |
. | 选取当前节点。 |
… | 选取当前节点的父节点。 |
@ | 选取属性。 |
实例 在下面的表格中，我们已列出了一些路径表达式以及表达式的结果：
路径表达式 | 结果 |
|---|---|
bookstore | 选取 bookstore 元素的所有子节点。 |
/bookstore | 选取根元素 bookstore。注释：假如路径起始于正斜杠( / )，则此路径始终代表到某元素的绝对路径！ |
bookstore/book | 选取属于 bookstore 的子元素的所有 book 元素。 |
//book | 选取所有 book 子元素，而不管它们在文档中的位置。 |
bookstore//book | 选择属于 bookstore 元素的后代的所有 book 元素，而不管它们位于 |
//@lang | 选取名为 lang 的所有属性。 |
谓语（Predicates） 谓语用来查找某个特定的节点或者包含某个指定的值的节点。 谓语被嵌在方括号中。
实例 在下面的表格中，我们列出了带有谓语的一些路径表达式，以及表达式的结果：
路径表达式 | 结果 |
|---|---|
/bookstore/book[1] | 选取属于 bookstore 子元素的第一个 book 元素。 |
/bookstore/book[last()] | 选取属于 bookstore 子元素的最后一个 book 元素。 |
/bookstore/book[last()-1] | 选取属于 bookstore 子元素的倒数第二个 book 元素。 |
/bookstore/book[position()< 3 ] | 选取最前面的两个属于 bookstore 元素的子元素的 book 元素。 |
//title[@lang] | 选取所有拥有名为 lang 的属性的 title 元素。 |
//title[@lang=’eng’] | 选取所有 title 元素，且这些元素拥有值为 eng 的 lang 属性。 |
/bookstore/book[price>35.00] | 选取 bookstore 元素的所有 book 元素，且其中的 price 元素的值须大于 35.00。 |
/bookstore/book[price>35.00]/title | 选取 bookstore 元素中的 book 元素的所有 title 元素，且其中的 price 元素的值须大于 35.00。 |
选取未知节点 XPath 通配符可用来选取未知的 XML 元素。
通配符 | 描述 |
|---|---|
* | 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。 |
实例 在下面的表格中，我们列出了一些路径表达式，以及这些表达式的结果：
路径表达式 | 结果 |
|---|---|
/bookstore/* | 选取 bookstore 元素的所有子元素。 |
//* | 选取文档中的所有元素。 |
//title[@*] | 选取所有带有属性的 title 元素。 |
选取若干路径 通过在路径表达式中使用“|”运算符，您可以选取若干个路径。 实例 在下面的表格中，我们列出了一些路径表达式，以及这些表达式的结果，由于博客书写原因，在表中我把“|”换成了“~”：
路径表达式 | 结果 |
|---|---|
//book/title ~ //book/price | 选取 book 元素的所有 title 和 price 元素。 |
//title ~ //price | 选取文档中的所有 title 和 price 元素。 |
/bookstore/book/title ~ //price | 选取属于 bookstore 元素的 book 元素的所有 title 元素，以及文档中所有的 price 元素。 |
2.4 Xpath与爬虫的交点
与Xpath搭配的常用解析方法是：etree.HTML()
from lxml import etree
#发送请求
req = requests.get(oneBlogUrl, timeout=10)
#校正网页编码
req.encoding = req.apparent_encoding
#解析网页
html = etree.HTML(req.text)在解析过后就可以直接上Xpath了
article_list = html.xpath("/bookstore/book/title/text()")与BeautifulSoup中的find()/find_all()方法相比，在用find_all()查找到标签后存放的形式是列表，需要在for循环中才能继续调用find()方法。这一点上Xpath是比BeautifulSoup较方便的，Xpath可以一步到位。
参考文章：Python爬虫利器之Xpath
腾讯云开发者
