处理XML-----xPath

xml下用xpath

from lxml import etree

tree = etree.parse(file_path)
root = tree.getroot()
title_expression = "/article/title[not(@xml:lang)]//text()"
title_content = root.xpath(title_expression)

直接在网页上的xpath

from lxml import html
response = requests.get(url) 
html_content = response.content 

# 使用lxml解析HTML文档 
tree = html.fromstring(html_content)

　　

1 从节点筛选

• /: 从根节点开始选择。
• //: 选择节点，不考虑它们的位置。
• .: 选择当前节点。
• ..: 选择父节点。

　　

2 条件筛选

@选择属性。
选择 category 属性为 'fiction' 的 <book> 节点：
/bookstore/book[@category='fiction']


选择 price 属性大于 30 的 <book> 节点
/bookstore/book[@price > 30]


选择不包含某个属性的节点
//bookstore/book[not(@category)]

　　

4. 选取文字

在xpath表达式后面加上/text()

选取该节点下的所有文字 //text()

　　

5. 多项选择

 

6. 选取之后遍历 body_expression = '/article/body/section'

body_expression = '/article/body/section'
body_results = root.xpath(body_expression)
body_dict = {}
body_dict['开头'] = body_p_results
for result in body_results:
    title = result.xpath('title/text()')
    title = ''.join(title)

title是列表