python3学习-lxml模块_

什么意思

在爬虫的学习中，我们爬取网页信息之后就是对信息项匹配，这个时候一般是使用正则。但是在使用中发现正则写的不好的时候不能精确匹配（这其实是自己的问题！）所以就找啊找。想到了可以通过标签来进行精确匹配岂不是比正则要快。所以找到了lxml。

因为lxml是对xml格式的解析，支持html格式，而对于xml格式的解析有一门专用的语言，XPath。XPath用于在xml文档中通过元素和属性进行导航。lxml库也是解析xml文件，所以也应用了XPath语法。我们先学习一下XPath 的标准语法，然后将这些语法知识应用到lxml之中。

大家应该对xml或者是html都不陌生，默认大家都知道，所以就简单介绍。

节点关系

父子节点(Parent children)

<div class="all">
    <div class="sub"></div>
</div>
1
2
3

无需解释。

兄弟节点(sibling)

<div class="all">
    <div class="sibling"></div>
    <div class="sibling"></div>
</div>
1
2
3
4

无需解释。

先辈(Ancestor)后代(Descendant)

<div class="grandpa">
    <div class="all">
        <div class="sibling"></div>
        <div class="sibling"></div>
    </div>
</div>
1
2
3
4
5
6

节点选择

匹配未知节点

实例

下面我们通过一些例子看一下谓词+表达式的综合：