本文参考较多,原创基本没有,权当知识归纳。
xpath并不复杂,简单的使用看完之后,及时查阅文档也是可以写出来的。
这里放上我的练手文件,大家可以参考,或者挑毛病(^__^) 嘻嘻……
xpath练手项目
XPATH(参考 w3school 和 静觅 和 阮一峰的网络日志)
在 XPath 中,有七种类型的节点:元素、属性、文本、命名空间、处理指令、注释以及文档节点(或称为根节点)。
节点实际上就是各种html标签,属性,以及被标签包围的文字。
搜索方法
xpath使用路径表达式在xml文档中选取节点。节点通过路径或者step来选取。在形式上,”路径表达式”与传统的文件系统非常类似。
- 斜杠(/)作为路径内部的分割符。
- 同一个节点有绝对路径和相对路径两种写法。
- 绝对路径(absolute path)必须用”/”起首,后面紧跟根节,比如/step/step/…。
- 相对路径(relative path)则是除了绝对路径以外的其他*法,比如 step/step,也就是不使用”/”起首。
- “.”表示当前节点。
- “..”表示当前节点的父节点
下面是详细介绍:
路径表达式 | 结果 |
---|---|
bookstore | 选取 bookstore 元素的所有子节点。 |
/bookstore | 选取根元素 bookstore。注释:假如路径起始于正斜杠( / ),则此路径始终代表到某元素的绝对路径! |
bookstore/book | 选取属于 bookstore 的子元素的所有 book 元素。 |
//book | 选取所有 book 子元素,而不管它们在文档中的位置。 |
bookstore//book | 选择属于 bookstore 元素的后代的所有 book 元素,而不管它们位于 bookstore 之下的什么位置。 |
//@lang | 选取名为 lang 的所有属性。 |
谓语(Predicates)谓语用来查找某个特定的节点或者包含某个指定的值的节点。谓语被嵌在方括号中。
路径表达式 | 结果 |
---|---|
/bookstore/book[1] | 选取属于 bookstore 子元素的第一个 book 元素。 |
/bookstore/book[last()] | 选取属于 bookstore 子元素的最后一个 book 元素。 |
/bookstore/book[last()-1] | 选取属于 bookstore 子元素的倒数第二个 book 元素。 |
/bookstore/book[position()<3] | 选取最前面的两个属于 bookstore 元素的子元素的 book 元素。 |
//title[@lang] | 选取所有拥有名为 lang 的属性的 title 元素。 |
//title[@lang=’eng’] | 选取所有 title 元素,且这些元素拥有值为 eng 的 lang 属性。 |
/bookstore/book[price>35.00] | 选取 bookstore 元素的所有 book 元素,且其中的 price 元素的值须大于 35.00。 |
/bookstore/book[price>35.00]/title | 选取 bookstore 元素中的 book 元素的所有 title 元素,且其中的 price 元素的值须大于 35.00。 |
XPath 通配符可用来选取未知的 XML 元素。
通配符 | 描述 |
---|---|
* | 匹配任何元素节点。 |
@* | 匹配任何属性节点。 |
node() | 匹配任何类型的节点。 |
在下面的表格中,我们列出了一些路径表达式,以及这些表达式的结果:
路径表达式 | 结果 |
---|---|
/bookstore/* | 选取 bookstore 元素的所有子元素。 |
//* | 选取文档中的所有元素。 |
//title[@*] | 选取所有带有属性的 title 元素。 |
通过在路径表达式中使用“|”运算符,可以选取若干个路径。且供选择的路径之间并无关联。互不干扰,必须各自是完整的独立的路径。
xpath轴可定义相对于当前节点的节点集。
轴名称 | 结果 |
---|---|
ancestor | 选取当前节点的所有先辈(父、祖父等)。 |
ancestor-or-self | 选取当前节点的所有先辈(父、祖父等)以及当前节点本身。 |
attribute | 选取当前节点的所有属性。 |
child | 选取当前节点的所有子元素。 |
descendant | 选取当前节点的所有后代元素(子、孙等)。 |
descendant-or-self | 选取当前节点的所有后代元素(子、孙等)以及当前节点本身。 |
following | 选取文档中当前节点的结束标签之后的所有节点。 |
namespace | 选取当前节点的所有命名空间节点。 |
parent | 选取当前节点的父节点。 |
preceding | 选取文档中当前节点的开始标签之前的所有节点。 |
preceding-sibling | 选取当前节点之前的所有同级节点。 |
self | 选取当前节点。 |
步(step)包括:
轴(axis)
定义所选节点与当前节点之间的树关系
节点测试(node-test)
识别某个轴内部的节点
零个或者更多谓语(predicate)
更深入地提炼所选的节点集
步的语法:
轴名称::节点测试[谓语]
实例
例子 | 结果 |
---|---|
child::book | 选取所有属于当前节点的子元素的 book 节点。 |
attribute::lang | 选取当前节点的 lang 属性。 |
child::* | 选取当前节点的所有子元素。 |
attribute::* | 选取当前节点的所有属性。 |
child::text() | 选取当前节点的所有文本子节点。 |
child::node() | 选取当前节点的所有子节点。 |
descendant::book | 选取当前节点的所有 book 后代。 |
ancestor::book | 选择当前节点的所有 book 先辈。 |
ancestor-or-self::book | 选取当前节点的所有 book 先辈以及当前节点(如果此节点是 book 节点) |
child::*/child::price | 选取当前节点的所有 price 孙节点。 |
下面列出了可用在 XPath 表达式中的运算符:
运算符 | 描述 | 实例 | 返回值 |
---|---|---|---|
竖线 | 计算两个节点集 | //book(竖线)//cd | 返回所有拥有 book 和 cd 元素的节点集 |
+ | 加法 | 6 + 4 | 10 |
– | 减法 | 6 – 4 | 2 |
* | 乘法 | 6 * 4 | 24 |
div | 除法 | 8 div 4 | 2 |
mod | 计算除法的余数 | 5 mod 2 | 1 |
= | 等于 | price=9.80 | 如果 price 是 9.80,则返回 true。如果 price 是 9.90,则返回 false。 |
!= | 不等于 | price!=9.80 | 如果 price 是 9.90,则返回 true。如果 price 是 9.80,则返回 false。 |
< | 小于 | price<9.80 | 如果 price 是 9.00,则返回 true。如果 price 是 9.90,则返回 false。 |
<= | 小于或等于 | price<=9.80 | 如果 price 是 9.00,则返回 true。如果 price 是 9.90,则返回 false。 |
> | 大于 | price>9.80 | 如果 price 是 9.90,则返回 true。如果 price 是 9.80,则返回 false。 |
>= | 大于或等于 | price>=9.80 | 如果 price 是 9.90,则返回 true。如果 price 是 9.70,则返回 false。 |
or | 或 | price=9.80 or price=9.70 | 如果 price 是 9.80,则返回 true。如果 price 是 9.50,则返回 false。 |
and | 与 | price>9.00 and price<9.90 | 如果 price 是 9.80,则返回 true。如果 price 是 8.50,则返回 false。 |
这里主要使用是配合lxml
库,下面是一些例子。
#========
# 文本读取
#========
from lxml import etree
text = '''
<div>
<ul>
<li class="item-0"><a href="link1.html">first item</a></li>
<li class="item-1"><a href="link2.html">second item</a></li>
<li class="item-inactive"><a href="link3.html">third item</a></li>
<li class="item-1"><a href="link4.html">fourth item</a></li>
<li class="item-0"><a href="link5.html">fifth item</a>
</ul>
</div>
'''
html = etree.HTML(text)
result = etree.tostring(html)
print(result)
#========
# 文件读取
#========
from lxml import etree
html = etree.parse('hello.html')
result = etree.tostring(html, pretty_print=True)
print(result)
#=============
# 利用xpath解析
#=============
from lxml import etree
html = etree.parse('hello.html')
result_list = html.xpath('//li')
print result_list
CSS选择器(转自阮一峰的网络日志)
基本选择器
最基本的就是针对标签,类以及id了。
序号 | 选择器 | 含义 |
---|---|---|
1. | * | 通用元素选择器,匹配任何元素 |
2. | E | 标签选择器,匹配所有使用E标签的元素 |
3. | .info | class选择器,匹配所有class属性中包含info的元素 |
4. | #footer | id选择器,匹配所有id属性等于footer的元素 |
* { margin:0; padding:0; }
p { font-size:2em; }
.info { background:#ff0; }
p.info { background:#ff0; }
p.info.error { color:#900; font-weight:bold; }
#info { background:#ff0; }
p#info { background:#ff0; }
多元素的组合选择器(这个蛮实用的)
序号 | 选择器 | 含义 |
---|---|---|
5. | E,F | 多元素选择器,同时匹配所有E元素或F元素,E和F之间用逗号分隔 |
6. | E F | 后代元素选择器,匹配所有属于E元素后代的F元素,E和F之间用空格分隔 |
7. | E > F | 子元素选择器,匹配所有E元素的子元素F |
8. | E + F | 毗邻元素选择器,匹配所有紧随E元素之后的同级元素F |
div p { color:#f00; }
#nav li { display:inline; }
#nav a { font-weight:bold; }
div > strong { color:#f00; }
p + p { color:#f00; }
CSS 2.1 属性选择器
序号 | 选择器 | 含义 | |
---|---|---|---|
9. | E[att] | 匹配所有具有att属性的E元素,不考虑它的值。(注意:E在此处可以省略,比如”[cheacked]”。以下同。) | |
10. | E[att=val] | 匹配所有att属性等于”val”的E元素 | |
11. | E[att~=val] | 匹配所有att属性具有多个空格分隔的值、其中一个值等于”val”的E元素 | |
12. | E[att\ | =val] | 匹配所有att属性具有多个连字号分隔(hyphen-separated)的值、其中一个值以”val”开头的E元素,主要用于lang属性,比如”en”、”en-us”、”en-gb”等等 |
p { color:#f00; }
div[class=error] { color:#f00; }
td[headers~=col1] { color:#f00; }
p[lang|=en] { color:#f00; }
blockquote[class=quote][cite] { color:#f00; }
CSS 2.1中的伪类
序号 | 选择器 | 含义 |
---|---|---|
13. | E:first-child | 匹配父元素的第一个子元素 |
14. | E:link | 匹配所有未被点击的链接 |
15. | E:visited | 匹配所有已被点击的链接 |
16. | E:active | 匹配鼠标已经其上按下、还没有释放的E元素 |
17. | E:hover | 匹配鼠标悬停其上的E元素 |
18. | E:focus | 匹配获得当前焦点的E元素 |
19. | E:lang(c) | 匹配lang属性等于c的E元素 |
p:first-child { font-style:italic; }
input[type=text]:focus { color:#000; background:#ffe; }
input[type=text]:focus:hover { background:#fff; }
q:lang(sv) { quotes: "\201D" "\201D" "\2019" "\2019"; }
CSS 2.1中的伪元素
序号 | 选择器 | 含义 |
---|---|---|
20. | E:first-line | 匹配E元素的第一行 |
21. | E:first-letter | 匹配E元素的第一个字母 |
22. | E:before | 在E元素之前插入生成的内容 |
23. | E:after | 在E元素之后插入生成的内容 |
p:first-line { font-weight:bold; color;#600; }
.preamble:first-letter { font-size:1.5em; font-weight:bold; }
.cbb:before { content:""; display:block; height:17px; width:18px; background:url(top.png) no-repeat 0 0; margin:0 0 0 -18px; }
a:link:after { content: " (" attr(href) ") "; }
CSS 3的同级元素通用选择器
序号 | 选择器 | 含义 |
---|---|---|
24. | E ~ F | 匹配任何在E元素之后的同级F元素 |
p ~ ul { background:#ff0; }
CSS 3 属性选择器
序号 | 选择器 | 含义 |
---|---|---|
25. | E[att^=”val”] | 属性att的值以”val”开头的元素 |
26. | E[att$=”val”] | 属性att的值以”val”结尾的元素 |
27. | E[att*=”val”] | 属性att的值包含”val”字符串的元素 |
div[id^="nav"] { background:#ff0; }
CSS 3中与用户界面有关的伪类
序号 | 选择器 | 含义 |
---|---|---|
28. | E:enabled | 匹配表单中激活的元素 |
29. | E:disabled | 匹配表单中禁用的元素 |
30. | E:checked | 匹配表单中被选中的radio(单选框)或checkbox(复选框)元素 |
31. | E::selection | 匹配用户当前选中的元素 |
input[type="text"]:disabled { background:#ddd; }
CSS 3中的结构性伪类(蛮实用的)
序号 | 选择器 | 含义 |
---|---|---|
32. | E:root | 匹配文档的根元素,对于HTML文档,就是HTML元素 |
33. | E:nth-child(n) | 匹配其父元素的第n个子元素,第一个编号为1 |
34. | E:nth-last-child(n) | 匹配其父元素的倒数第n个子元素,第一个编号为1 |
35. | E:nth-of-type(n) | 与:nth-child()作用类似,但是仅匹配使用同种标签的元素 |
36. | E:nth-last-of-type(n) | 与:nth-last-child() 作用类似,但是仅匹配使用同种标签的元素 |
37. | E:last-child | 匹配父元素的最后一个子元素,等同于:nth-last-child(1) |
38. | E:first-of-type | 匹配父元素下使用同种标签的第一个子元素,等同于:nth-of-type(1) |
39. | E:last-of-type | 匹配父元素下使用同种标签的最后一个子元素,等同于:nth-last-of-type(1) |
40. | E:only-child | 匹配父元素下仅有的一个子元素,等同于:first-child:last-child或 :nth-child(1):nth-last-child(1) |
41. | E:only-of-type | 匹配父元素下使用同种标签的唯一一个子元素,等同于:first-of-type:last-of-type或 :nth-of-type(1):nth-last-of-type(1) |
42. | E:empty | 匹配一个不包含任何子元素的元素,注意,文本节点也被看作子元素 |
p:nth-child(3) { color:#f00; }
p:nth-child(odd) { color:#f00; }
p:nth-child(even) { color:#f00; }
p:nth-child(3n+0) { color:#f00; }
p:nth-child(3n) { color:#f00; }
tr:nth-child(2n+11) { background:#ff0; }
tr:nth-last-child(2) { background:#ff0; }
p:last-child { background:#ff0; }
p:only-child { background:#ff0; }
p:empty { background:#ff0; }
CSS 3的反选伪类
序号 | 选择器 | 含义 |
---|---|---|
43. | E:not(s) | 匹配不符合当前选择器的任何元素 |
:not(p) { border:1px solid #ccc; }
CSS 3中的 :target 伪类
序号 | 选择器 | 含义 |
---|---|---|
44. | E:target | 匹配文档中特定”id”点击后的效果 |