xpath教程二 ---- 通过ID和Class检索

必备知识点

在html中，id是唯一的
在html中，class是可以多处引用的

工具

Python3版本
lxml库【优点是解析快】
HTML代码块【从网络中获取或者自己杜撰一个】
requests【推荐安装，从网页上获取网页代码练手，再好不过了】

Xpath学习

先定义html代码块【这次只从body开始】

<body>

<div class="container">

    <div id="first">

        <div class="one">都市</div>

        <div class="two">德玛西亚</div>

        <div class="two">王牌对王牌</div>

        <a>

            <div class="spe">特殊位置</div>

        </a>

    </div>

    <div id="second">

        <div class="three">水电费</div>

        <div class="three">说的话房间不开封</div>

        <div class="four">三顿饭黑客技术</div>

    </div>

    <div id="third">

        <div class="three">水电费</div>

        <div class="three">说的话房间开封</div>

    </div>

</div>

</body>

"""

再准备python代码块

from lxml import etree

html = etree.HTML(html_str)

任务一：获取类名为`one`的文本值

解决这个问题，有非常简单的xpath路径，直接匹配html代码中的class，然后获取文本值就行

代码如下：

print(html.xpath('.//div[@class="one"]/text()'))

结果：['都市']

这里需要解释多个地方： - @的作用：表示属性，div属于标签，它有自己的属性，例如class、id等等。 - 点 . 的作用：表示当前位置；与其对应的是双点 .. ：表示上一层级的位置 - 双斜杠 // 的作用：查找当前标签下所有子级中搜索；与其对应的是单斜杆 / ，这个标签标签下一层所有中搜索。【后面两个任务是这点的练习】

任务二：获取id为`first`下，第一层子级`div`标签的文本值

只需要获取第一层，使用单斜杆就足够了，xpath路径如下：

print(html.xpath('.//div[@id="first"]/div/text()'))

结果：['都市', '德玛西亚', '王牌对王牌']

任务三：获取id为`first`下，所有层级`div`标签的文本值

这个任务和上一个任务形成对比，一个是单斜杆一个是双斜杠，则xpath的代码如下：

print(html.xpath('.//div[@id="first"]//div/text()'))

结果：['都市', '德玛西亚', '王牌对王牌', '特殊位置']

任务四：获取id为`second`下，所有类为`three`的`div`标签的文本值

指定id为second，并且子级div的类名是three，然后是获取文本，则xpath如下

print(html.xpath('.//div[@id="second"]/div[@class="three"]/text()'))

结果：['水电费', '说的话房间不开封']

任务五：获取所有类为`three`的`div`标签的文本值

观察html代码块，会发现类为three的div标签在几个地方，所以这里最好的方法就是全局范围内的直接搜索，简单粗暴的xpath如下：

print(html.xpath('.//div[@class="three"]/text()'))

结果：['水电费', '说的话房间不开封', '水电费', '说的话房间开封']

任务六：获取文本等于水电费的标签，取出他们的class

通过文本值，获取他们的类名信息，就是把上一个任务反过来做就行，xpath如下：

print(html.xpath('.//div[text()="水电费"]/@class'))

结果：['three', 'three']

最终的代码和运行截图

html_str = """

<body>

<div class="container">

    <div id="first">

        <div class="one">都市</div>

        <div class="two">德玛西亚</div>

        <div class="two">王牌对王牌</div>

        <a>

            <div class="spe">特殊位置</div>

        </a>

    </div>

    <div id="second">

        <div class="three">水电费</div>

        <div class="three">说的话房间不开封</div>

        <div class="four">三顿饭黑客技术</div>

    </div>

    <div id="third">

        <div class="three">水电费</div>

        <div class="three">说的话房间开封</div>

    </div>

</div>

</body>

"""

from lxml import etree

html = etree.HTML(html_str)

print(html.xpath('.//div[@class="one"]/text()'))

print(html.xpath('.//div[@id="first"]/div/text()'))

print(html.xpath('.//div[@id="first"]//div/text()'))

print(html.xpath('.//div[@id="second"]/div[@class="three"]/text()'))

print(html.xpath('.//div[@class="three"]/text()'))

print(html.xpath('.//div[text()="水电费"]/@class'))