xpath&css选择器

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静觅阮一峰的网络日志

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 + 410
减法6 – 42
*乘法6 * 424
div除法8 div 42
mod计算除法的余数5 mod 21
=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。
orprice=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。
andprice>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..infoclass选择器,匹配所有class属性中包含info的元素
4.#footerid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
    原文作者:lart
    原文地址: https://segmentfault.com/a/1190000010829412
    本文转自网络文章,转载此文章仅为分享知识,如有侵权,请联系博主进行删除。
点赞