xpath 获取元素及爬虫实例，xpath获取爬虫实例


主流爬虫方法分类：
1，selenium+Chrome/PhantomJS
2，Requests+正则表达式
3，Requests+ BeautifulSoup
4，Requests+分析ajax
5，Requests+xpath（lxml包）或CSS
今天要讲的第5种。

  1. 原理：将有可能不合法的HTML 解析为统一格式。 虽然Lxml可以正确解析属性两侧缺失的引号，并闭合标签，不过该模块没有额外添加＜
    html ＞和＜body＞标签 。CSS其实和lxml在内部实现相似，实际上是将CSS选择器转换为等价的Xpath选择器。
  2. 速度：Lxml模块使用 C语言编写，所以速度和re正则一样，非常快。
  3. 场景：大部分的页面解析和内容抓取。涉及到js和ajax的需要先加载js、ajax请求，再对页面进行解析和xpath定位抓取。
  4. 依赖库：lxml from lxml import etree

  5. 基本用法：Selector = etree.HTML(网页源代码)

      Selector.xpath(一段神奇的符号)
  6. xapth表达式：
    image

7,xpath推荐学习链接：
https://www.cnblogs.com/lei0213/p/7506130.html

xpath定位方法：
image
（源码见附件）

附件下载： douban.p...[yishanlu].1554281885.zip

相关内容