目录

​​一、xpath介绍​​

​​二、xpath解析与原理​​

​​三、环境安装​​

​​1、安装​​

​​2、导入​​

​​3、xpath插件​​

​​四、实例化一个etree对象​​

​​1.将本地的html文档中的源码数据加载到etree对象中​​

​​2.可以将从互联网上获取的源码数据加载到该对象中​​

​​五、xpath表达式​​

​​ 六、源码​​

​​1、实战之58二手房​​

​​2、实战之4K图片​​

一、xpath介绍

xpath解析：最常用且最便捷高效的一种解析方式。通用性强

二、xpath解析与原理

        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方法结合着xpath表达式实现标签的定位和内容的捕获

三、环境安装

1、安装

pip install lxml

2、导入

from lxml import etree

3、xpath插件

四、实例化一个etree对象

1.将本地的html文档中的源码数据加载到etree对象中

etree.parse(filePath)

2.可以将从互联网上获取的源码数据加载到该对象中

etree.HTML('page_text')

- xpath('xpath表达式')

五、xpath表达式

- /:表示的是从根节点开始定位。表示的是一个层级。
- //:表示的是多个层级。可以表示从任意位置开始定位。
- 属性定位：//div[@class='song'] tag[@attrName="attrValue"]
- 索引定位：//div[@class="song"]/p[3] 索引是从1开始的。
- 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（所有的文本内容）
    - 取属性：
        /@attrName     ==>img/src

 六、源码

1、实战之58二手房

# -*- coding: utf-8 -*-
from lxml import etree
import requests
#需求：爬取58二手房中的房源信息
if __name__ == '__main__':
    headers = {
        'User-Agent': 'Mozilla  /5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/101.0.4951.67 Safari/537.36'
    }
    #爬取页面源码数据
    url = 'https://bj.58.com/ershoufang/'
    page_test = requests.get(url=url,headers=headers).text
#实例化etree对象
    tree = etree.HTML(page_test)
#定位属性
    content = tree.xpath('//div[@class="property"]//div[@class="property-content-title"]/h3/@title')
    fp = open('58.txt','w',encoding='utf-8')
    for i in content:
        fp.write(i+'\n')
    print('over')

2、实战之4K图片

# -*- coding: utf-8 -*-
import requests
from lxml import etree
import os
#需求：解析下载图片数据http://pic.netbian.com/4kmeinv/
if __name__ == '__main__':
    headers = {
        'User-Agent': 'Mozilla  /5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/101.0.4951.67 Safari/537.36'
    }
    url = 'http://pic.netbian.com/4kmeinv'
    page_text = requests.get(url=url,headers=headers).text#content
    #数据解析：SRC的属性值  alt的属性值
    tree = etree.HTML(page_text)
    li_list= tree.xpath('//div[@class="wrap clearfix"]//ul[@class="clearfix"]/li')
    #创建一个文件夹
    if not os.path.exists('./picLibs'):
        os.mkdir('./picLibs')
    for li in li_list:
        img_src = 'http://pic.netbian.com'+li.xpath('./a/img/@src')[0]
        img_name = li.xpath('./a/img/@alt')[0] + '.jpg'
        #通用处理中文乱码的解决方案
        img_name = img_name.encode('iso-8859-1').decode('gbk')
        # 请求图片进行持久化存储
        img_data = requests.get(url=img_src, headers=headers).content
        img_path = 'picLibs/'+img_name
        with open(img_path,'wb') as fp:
            fp.write(img_data)
            print(img_name,'下载成功')