爬取的网站:http://jbk.39.net/chancegz/
这里只针对个别属性值:
#例如:'别名'下的span标签文本,‘发病部位'下的span标签文本以及‘挂号科室‘下的span标签文本 # def disease(url): text = get_html(url) tree = etree.HTML(text) bm = tree.xpath('//ul[@class="information_ul"]/li/i[text()="别名:"]/following-sibling::span/text()') bw = tree.xpath('//ul[@class="information_ul"]/li/i[text()="发病部位:"]/following-sibling::span/a/text()') ks = tree.xpath('//ul[@class="information_ul"]/li/i[text()="挂号科室:"]/following-sibling::span/a/text()') return bm, bw, ks
补充其他:
# /从根元素开始,相当于绝对路径 print(tree.xpath('/html/body/ul')) # //全局搜索,找到所有 print(tree.xpath('//li')) ul = tree.xpath('//ul') # . 当前 # 返回的都是列表,查找到所有 li = ul[0].xpath('./li') print(li) for l in li: # 获取属性id的值 @id print(l.xpath('./@id')) # 定位 /标签[@属性='值'] liClass = tree.xpath("//li[@class='liClass']") print(liClass) #判断,@属性='值' --->返回True或False print(tree.xpath("//li/@id='12'")) print("===========================") #直接使用下标访问,下标从1开始 获取对个li里面的文本 print(tree.xpath('//li[2]/text()')) #last()最后一个 print(tree.xpath('//li[last()]/text()')) #倒数第二个 print(tree.xpath('//li[last()-1]/text()')) # position() 位置 > < = >= <= print(tree.xpath('//li[position()>1]')) #* 通配 print(tree.xpath('//*[@class="liClass"]')) # 或 | print(tree.xpath('//li[@class="liClass"] | //div[@class="liClass"]'))
xpath基本语法
表达式
说明
article
选取所有article元素的所有子节点
/article
选取根元素article
article/a
选取所有属于article的子元素的a元素
//div
选取所有div元素(不管出现在文档里的任何地方)
article//div
选取所有属于article元素的后代的div元素,不管它出现在article之下的任何位置
//@class
选取所有名为class的属性
表达式
说明
/article/div[1]
选取属于article子元素的第一个div元素
/article/div[last()]
选取属于article子元素的最后一个div元素
/article/div[last()-1]
选取属于article子元素的倒数第二个div元素
//div[@color]
选取所有拥有color属性的div元素
//div[@color=‘red']
选取所有color属性值为red的div元素
表达式
说明
/div/*
选取属于div元素的所有子节点
//*
选取所有元素
//div[@*]
选取所有带属性的div 元素
//div/a 丨//div/p
选取所有div元素的a和p元素
//span丨//ul
选取文档中的span和ul元素
article/div/p丨//span
选取所有属于article元素的div元素的p元素以及文档中所有的 span元素
补充:
相邻元素定位, 前一位: preceding-sibling::div[1] 后一位: following-sibling::div[1] 前N位: preceding-sibling::div[N] 后N位: following-sibling::div[N] # 爬取i标签中包含相关检查节点的兄弟 a节点(找到i节点—>找到其父节点->找到该父节点的子节点a) content = tree.xpath('//i[contains(text(),"相关检查:")]/../a[@class="blue"]/text()') xpath多个class限制 //div[contains(@class, 'demo') and contains(@class, 'other')] xpath 同时多个标签用| 分隔 //div[contains(@class, "jib-lh-articl")]/p | //div[contains(@class, "jib-lh-articl")]/h3 选择不包含某一属性的节点 //div[not(@class)] 没有class属性的div //tbody/tr[not(@class or @id)] 获取当前节点的是什么类型的html标签 xpath_element.tag
补充知识:使用Xpath定位元素(和元素定位相关的Xpath语法)
本文主要讲述Xpath语法中,和元素定位相关的语法
第一种方法:通过绝对路径做定位(相信大家不会使用这种方式)
By.xpath("html/body/div/form/input")
第二种方法:通过相对路径做定位
两个斜杠代表相对路径
By.xpath("//input//div")
第三种方法:通过元素索引定位
By.xpath("//input[4]")
第四种方法:使用xpath+节点属性定位(结合第2、第3中方法可以使用)
By.xpath("//input[@id='kw1']")
By.xpath("//input[@type='name' and @name='kw1']")
第五种方法:使用部分属性值匹配(最强大的方法)
By.xpath("//input[start-with(@id,'nice')]")
By.xpath("//input[ends-with(@id,'很漂亮')]")
By.xpath("//input[contains(@id,'那么美')]")
第六种方法:使用前集中方法的组合
By.xpath("//input[@id='kw1']//input[start-with(@id,'nice']/div[1]/form[3])
以上这篇关于python中的xpath解析定位就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。
免责声明:本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除!
更新日志
- 凤飞飞《我们的主题曲》飞跃制作[正版原抓WAV+CUE]
- 刘嘉亮《亮情歌2》[WAV+CUE][1G]
- 红馆40·谭咏麟《歌者恋歌浓情30年演唱会》3CD[低速原抓WAV+CUE][1.8G]
- 刘纬武《睡眠宝宝竖琴童谣 吉卜力工作室 白噪音安抚》[320K/MP3][193.25MB]
- 【轻音乐】曼托凡尼乐团《精选辑》2CD.1998[FLAC+CUE整轨]
- 邝美云《心中有爱》1989年香港DMIJP版1MTO东芝首版[WAV+CUE]
- 群星《情叹-发烧女声DSD》天籁女声发烧碟[WAV+CUE]
- 刘纬武《睡眠宝宝竖琴童谣 吉卜力工作室 白噪音安抚》[FLAC/分轨][748.03MB]
- 理想混蛋《Origin Sessions》[320K/MP3][37.47MB]
- 公馆青少年《我其实一点都不酷》[320K/MP3][78.78MB]
- 群星《情叹-发烧男声DSD》最值得珍藏的完美男声[WAV+CUE]
- 群星《国韵飘香·贵妃醉酒HQCD黑胶王》2CD[WAV]
- 卫兰《DAUGHTER》【低速原抓WAV+CUE】
- 公馆青少年《我其实一点都不酷》[FLAC/分轨][398.22MB]
- ZWEI《迟暮的花 (Explicit)》[320K/MP3][57.16MB]