Nov 23 2021

python爬虫：scrapy框架xpath和css选择器语法

分类：linux图文教程阅读次数

已被围观 700 次

Xpath基本语法

一、常用的路径表达式：'

举例元素标签为artical标签

语法	说明
artical	选取所有artical元素的子节点
/artical	选取根元素artical
./artical	选取当前元素下的artical
../artical	选取父元素下的artical
artical/a	选取所有属于artical的子元素a元素
//div	选取所有div 子元素，无论div在任何地方
artical//div	选取所有属于artical的div 元素,无论div元素在artical的任何位置
//@class	选取所有名为class 的属性的
a/@href	选取a标签的href属性
a/text()	选取a标签下的文本
string(.)	解析出当前节点下所有文字
string(..)	解析出父节点下所有文字

二、谓语

谓语被嵌在方括号内，用来查找某个特定的节点或包含某个制定的值的节点

语法	说明
/artical/div[1]	选取所有属于artical 子元素的第一个div元素
/artical/div[last()]	选取所有属于artical子元素的最后一个div元素
/artical/div[last()-1]	选取所有属于artical子元素的倒数第2个div元素
/artical/div[position()<3]	选取所有属于artical子元素的前2个div元素
//div[@class]	选取所有拥有属性为class的div节点
//div[@class=”main”]	选取所有div下class属性为main的div节点
//div[price>3.5]	选取所有div下元素值price大于3.5的节点

三、通配符

Xpath通过通配符来选取未知的XML元素

四、取多个路径

使用“|”运算符可以选取多个路径

五、Xpath轴

轴可以定义相对于当前节点的节点集

六、功能函数

使用功能函数能够更好的进行模糊搜索

函数	用法	解释
starts-with	//div[starts-with(@id,”ma”)]	选取id值以ma开头的div节点
contains	//div[contains(@id,”ma”)]	选取所有id值包含ma的div节点
and	//div[contains(@id,”ma”) and contains(@id,”in”)]	选取id值包含ma和in的div节点
text()	//div[contains(text(),”ma”)]	选取节点文本包含ma的div节点

注意事项：

1) 按照审查元素的写法不一定正确，要按照网页源码的才行  因为不一样，网页源码才是你看到的  2) 浏览器有自带的复制xpath功能，firefox下载firebug插件  3) xpath有c的速度，所以按照[@class=""]准确性较高

语法	说明
*	选择所有节点
#container	选择id为container的节点
.container	选择所有class包含container的节点
div,p	选择所有 div 元素和所有 p 元素
li a	选取所有li 下所有a节点
ul + p	选取ul后面的第一个p元素
div#container > ul	选取id为container的div的第一个ul子元素
ul ~p	选取与ul相邻的所有p元素
a[title]	选取所有有title属性的a元素
a[href=”http://baidu.com”]	选取所有href属性为http://baidu.com的a元素
a[href*=”baidu”]	选取所有href属性值中包含baidu的a元素
a[href^=”http”]	选取所有href属性值中以http开头的a元素
a[href$=”.jpg”]	选取所有href属性值中以.jpg结尾的a元素
input[type=radio]:checked	选择选中的radio的元素
div:not(#container)	选取所有id为非container 的div属性
li:nth-child(3)	选取第三个li元素
li:nth-child(2n)	选取第偶数个li元素
a::attr(href)	选取a标签的href属性
a::text	选取a标签下的文本

关于更多css语法，可以查看

http://www.w3school.com.cn/cssref/css_selectors.asp

方法	返回
Selector.xpath()	返回SelectorList对象
Selector.css()	返回SelectorList对象
SelectorList.extract()	返回List对象
SelectorList.extract_first(default)	返回String对象，可以有默认值，类似dict.get(key, defau

A