浅识XPath（熟练掌握XPath的语法）【python爬虫入门进阶】（03）

您好，我是码农飞哥，感谢您阅读本文，欢迎一键三连哦。
本文是爬虫专栏的第三篇，重点介绍网页解析神器XPath。
干货满满，建议收藏，需要用到时常看看。 小伙伴们如有问题及需要，欢迎踊跃留言哦~ ~ ~。

前面两篇文章我们分别介绍了爬虫程序的标准步骤，以及如何熟练的使用Requests库拉取网页数据。这一篇文章就重点介绍解析网页数据利器XPath。由于其比较重要，接下来我会用两篇文章进行介绍。

• • 前言（为什么写这篇文章）
  • XPath介绍
  • XPath开发工具
  • XML文档介绍
  • HTML文档（网页）
  • XML和HTML的区别
  • XML文档示例
  • HTML的示例
  • HTML元素的关系
  • • 父节点（Parent）
    • 子节点（Children）
    • 同胞（Sibling）
    • 先辈（Ancestor）
    • 后代（Descendant）
  • 选取节点
  • • 实例
  • 谓语
  • 通配符
  • • 举例
  • 选取若干路径
  • XPath的运算符
  • 总结
  • 粉丝专属福利

XPath（XML Path Language）是一门XML文档中查找信息的语言，XPath可用来在XML（包括HTML）文档中对元素和属性进行查找以及遍历。后面会详细介绍XML和HTML文档的结构组成

既然XPath是用来解析网页的数据，就必须要能够通过一定的规则匹配到所需要爬取的数据。这里就要用到XPath的开发工具。

1. Chrome插件 XPath Helper 密码: 166h
   下载好之后: 设置---> 更多工具--->扩展程序--->加载已解压的扩展程序
   
   

2. Firefox插件 XPath Checker

在正式介绍XPath之前还是让我们来重新认识一个XML文档，XML是一种可扩展的标记语言（Extensible Markup Language）
它主要用来来传输数据，它的标签需要我们自行定义。

HTML文档也就是我们前面反复提到的网页，它是一种超文本标记语言，主要用来在浏览器上展示数据以及构建页面样式。它本质上跟XML类似，也是通过各种标签包装数据。不过它的标签不是我们自行定义的。

	
	
      11111
      2222
    

其中：
命名空间节点
文档节点即根节点
1111是元素节点，元素节点直接包含数据，没有子节点。
lang="en" 表示属性节点。

从上面的示例就可以清晰的看出XML文档就是由一个个节点组成。在XPath中，有七种类型的节点（Node），分别是元素、属性、文本、命名空间、处理指令、注释以及文档（根）节点。最外面的节点被称为文档节点或根节点。

    
    



    
全网ID名：码农飞哥
    
扫码加入技术交流群！
    



    

一个标准的HTML主要包括Head元素以及Body元素。head元素内主要包括标题