xml数据是以标签(元素)为单位，通过标签内容或者标签属性来提供数据。
xml语法：<标签名 属性名1=属性值1 属性名2=属性值2 …>标签内容案例：用json和xml来保存一个订单数据
json版本：
{
"id": "oder028398923",
"create_time": "2022-6-26 22:34:56",
"pay_time": "2022-6-26 22:36:02",
"goods_list":[
{"goods_id": "9234233", "price": 123.00, "count": 2, "name": "XXX防晒霜"},
{"goods_id": "7281911", "price": 32.00, "count": 1, "name": "拖鞋"}
]
}
2022-6-26 22:34:56
2022-6-26 22:36:02
123.00
2
XXX防晒霜
32.00
1
拖鞋
03、xpath常用术语
树: 树结构(一个网页源代码，一个xml数据本质就是一个树结构)
节点: 本质就是标签
根节点: 最外层的哪个标签
节点内容: 双标签标签内容
节点属性： 标签属性
04、xpath语法
from lxml import etree
1)基于html数据或xml数据创建html或者xml对应的树并且获取根节点 etree.HTML(网页源代码)、etree.XML(xml数据)f = open(‘files/超市.xml’, encoding=‘utf-8’)
root = etree.XML(f.read())
f.close()
路径写法：
1.绝对路径: /路径 （路径必须从根节点开始往后写）
2.相对路径：./路径 (.表示当前节点; 谁去点的xpath，当前节点就是谁)
…/路径 (…表示当前节点的上层节点)
注意：如果路径是以 ‘./’ 开始的，‘./’ 可以省略
3.任意路径：//路径
注意：绝对路径和任意路径，在写路径和获取标签的时候跟xpath前面是哪个标签没有任何关系
# 绝对路径
result = root.xpath('/supermarket/name')
print(result)
result = root.xpath('/supermarket/staffs/staff')
print(result)
# 练习：通过写绝对路径，获取所有商品的商品名对应的标签
result = root.xpath('/supermarket/all_goods/goods/name')
print(result)
# 相对路径
all_goods = root.xpath('./all_goods')[0]
# result = all_goods.xpath('/supermarket/all_goods/goods/name')
# print(result)
result = all_goods.xpath('./goods/name')
print(result)
# 任意路径
result = root.xpath('//name')
print(result)
result = all_goods.xpath('//name')
print(result)
2、Xpath语法2
from lxml import etree
root = etree.XML(open('files/超市.xml', encoding='utf-8').read())
# 01. 获取标签内容和标签属性
# 1)获取标签内容：获取标签的路径/text()
result = root.xpath('//goods/name/text()')
print(result) # ['泡面', '火腿肠', '矿泉水', '巧克力']
# 2)获取标签属性值：获取标签的路径/@属性名
result = root.xpath('//staff/@position')
print(result)
02、谓语(条件)
谓语的写法：[谓语]
1)位置相关谓语
[N] - 第N个标签(N是任意正整数)
[last()] - 获取最后一个标签
[last()-1] - 获取倒数第2个标签。这儿的1可以是其他任意的整数
[position()>N]、 [position()>=N]、[position()result = root.xpath('//goods[@]/name/text()')
print(result)
result = root.xpath('//goods[@id="d1"]/name/text()')
print(result)
result = root.xpath('//goods[@class]/name/text()')
print(result)
*3)子标签内容相关谓语
[子标签名>值]、[子标签名>=值]、[子标签名<值]、[子标签名<=值]、[子标签名=值]
result = root.xpath('//goods[pirce=1.5]/name/text()')
print(result)
分支 - |
路径1|路径2 - 先通过路径1获取标签，如果获取不到再通过路径2获取(获取的是多个路径中第一个有效路径的结果)
result = root.xpath('//goods/name1/text()|//goods/name2/text()')
print(result) # []
result = root.xpath('//goods/name2/text()|//goods/name/text()')
print(result) # ['泡面', '火腿肠', '矿泉水', '巧克力']
result = root.xpath('//goods/name/text()|//staffs/staff/text()')
通配符 - *
xpath中可以用*来代表任意标签或者任意属性
result = root.xpath('//goods/name/text()')
print(result)
result = root.xpath('//goods/*/text()')
print(result) # ['泡面', '3.5', '120', '火腿肠', '1.5', '305', '矿泉水', '1.5', '1200', '巧克力', '11.5', '50']
result = root.xpath('//*[@]')
print(result)
# 所有第一个员工的所有属性值
result = root.xpath('//staff[1]/@*')
print(result)
# 获取属性值为c2的所有标签
result = root.xpath('//*[@*="c2"]')
print(result)
# 获取id值为'd1'的标签
result = root.xpath('//*[@id="d1"]')
