与bs4的区别

bs4有很多属性和方法，而xpath只有一个方法，是通过不同的xpath表达式实现很多功能的。

html例子

定位

tree.xpath(‘/html/head/title’)

返回列表。

开头的斜杠表示从根节点遍历。

中间的斜杠表示层级。（相当于bs4中的>）

如果直接打印：

返回的是一个element对象，其中存储的title标签对应的文本内容

tree.xpath(‘/html/body/div’)

分析例子，得知返回应该是三个element

tree.xpath(‘/html//div’)

两个杠，代表跨层。（相当于bs4中的空格）
输出与 tree.xpath(‘/html/body/div’) 相同

tree.xpath(‘//div’)

含义是定位全部div （理解：就是从任意位置开始定位）

tree.xpath(‘//div[@class=“song”]’)

属性定位。

返回的仍是列表。

想定位下面这个div，发现它有一个属性 class=song

tree.xpath(‘//div[@class=“song”]/p[3]’)

索引定位。

返回仍是列表。

如果定位苏轼那一行，就是在div的第三个p标签。

注意：索引从1开始，而不是0开始。

取文本

tree.xpath(‘//div[@class=“tang”]/ul/li[5]/a/text()’)

返回列表。

tree.xpath(‘//div[@class=“tang”]/ul/li[5]/a/text()’) [0]就是只有杜牧两个字了。

tree.xpath(‘//li[7]/i/text()’) [0]

如果要定位度蜜月，那么发现它是全文中第七个li标签。

/text()获取标签直系文本内容

tree.xpath(‘//li[7]//text()’) [0]

等价于上面。

//text()获取标签所有文本内容

取属性

tree.xpath(‘//div[@class=“song”]/img/@src’)

小结