1. XPathの概要
Webページの階層関係を分析するために、XPathの選択機能は非常に強力であり、非常にシンプルで明確なパス選択式を提供します。
さらに、文字列、数値、時間のマッチング、ノードとシーケンスの処理のための100以上の組み込み関数も提供します。
ほとんどすべての位置決めノードは、XPathを使用して選択できます。
公式サイト：https://www.w3.org/TR/xpath
1. XPathの共通ルール：
2.基本的な使用
from lxml import etree text = '' ' <div> <ul> <li class = "one"> <a href="link1"> 1 </a> </ li> <li class = "two"> <a href = "link2"> 2 </a> </ li> <li class = "three"> <a href="link3"> 3 </a> </ li> <li class = "four"> <a href = "link4"> 4 </a> </ li> <li class = "five"> <a href="link5"> 5 </a> </ ul> </ div> '' ' ＃将文本Webサイトの型であり、修正全全 HTML = etree。HTML（テキスト） ＃Webページの構造の全体の補数、ファイルのオープンパス ＃HTML etree.parse =（ 'demo.html'、etree.HTMLParser（）） を印刷（HTML） ＃は、バイトとして、テキスト型にページを変換します =結果etree.tostring（HTML） ＃をstrのタイプに = result.decode結果（" UTF-8 " ） 印刷（結果を）
1.選択に一致（すべてのノード）
from lxml import etree text = '' ' <div> <ul> <li class = "one"> <a href="link1"> 1 </a> </ li> <li class = "two"> <a href = "link2"> 2 </a> </ li> <li class = "three"> <a href="link3"> 3 </a> </ li> <li class = "four"> <a href = "link4"> 4 </a> </ li> <li class = "five"> <a href="link5"> 5 </a> </ ul> </ div> '' ' ＃将文本Webサイトの型であり、修正全全 HTML = etree。HTML（テキスト） ＃選択したコンテンツのマッチング 結果= html.xpath（' // * ' ） を印刷（結果）
2.子ノード
from lxml import etree text = '' ' <div> <ul> <li class = "one"> <a href="link1"> 1 </a> </ li> <li class = "two"> <a href = "link2"> 2 </a> </ li> <li class = "three"> <a href="link3"> 3 </a> </ li> <li class = "four"> <a href = "link4"> 4 </a> </ li> <li class = "five"> <a href="link5"> 5 </a> </ ul> </ div> '' ' ＃将文本Webサイトの型であり、修正全全 HTML = etree。HTML（テキスト） ＃選択したコンテンツのマッチング 結果= html.xpath（' //リー/ A ' ） を印刷（結果）
ここで、「/」は直接の子ノードを表し、「//」はすべての子孫ノードを表します
3.親ノード
親ノード：「..」を使用します。親::を使用して親を表すこともできます
from lxml import etree text = '' ' <div> <ul> <li class = "one"> <a href="link1"> 1 </a> </ li> <li class = "two"> <a href = "link2"> 2 </a> </ li> <li class = "three"> <a href="link3"> 3 </a> </ li> <li class = "four"> <a href = "link4"> 4 </a> </ li> <li class = "five"> <a href="link5"> 5 </a> </ ul> </ div> '' ' ＃将文本Webサイトの型であり、修正全全 HTML = etree。HTML（テキスト） ＃選択したコンテンツのマッチング ＃の属性は、親クラスの属性タグがLINK4ある = html.xpath（結果「//a[@href="link4"]/../@class 」） ＃を@表示 属性result1 = html.xpath（' // a [@ href = "link4"] / parent :: * / @ class ' ） print （result） print（result1）
4.テキストの取得
from lxml import etree text = '' ' <div> <ul> <li class = "one"> <a href="link1"> 1 </a> </ li> <li class = "two"> <a href = "link2"> 2 </a> </ li> <li class = "three"> <a href="link3"> 3 </a> </ li> <li class = "four"> <a href = "link4"> 4 </a> </ li> <li class = "five"> <a href="link5"> 5 </a> </ ul> </ div> '' ' ＃将文本Webサイトの型であり、修正全全 HTML = etree。HTML（テキスト） ＃選択したコンテンツのマッチング ＃の属性は、親クラスの属性タグLINK4のある 結果= html.xpath（' // /テキスト（）[のhref = "LINK4" @] ' ） を印刷（結果）
5.属性の複数値マッチング
from lxml import etree text = '' ' <div> <ul> <li class = "one"> <a href="link1"> 1 </a> </ li> <li class = "two"> <a href = "link2"> 2 </a> </ li> <li class = "three two"> <a href="link3"> 3 </a> </ li> <li class = "four"> < a href = "link4"> 4 </a> </ li> <li class = "five"> <a href="link5"> 5 </a> </ ul> </ div> '' ' ＃将文本转换是网页类型、是修复补全 html = etree。HTML（テキスト） ＃選択したコンテンツのマッチング ＃（プロパティ、値@）が含ま 結果= html.xpath（' //李[含まれています（@class、 "三"）] / A /テキスト（）' ） 印刷（結果）
6.マルチ属性マッチング
複数の属性がノードを決定するため、複数の属性を一致させる必要があります
from lxml import etree text = '' ' <div> <ul> <li class = "one"> <a href="link1"> 1 </a> </ li> <li class = "two three" name = "item"> <a href="link2"> 2 </a> </ li> <li class = "three two"> <a href="link3"> 3 </a> </ li> <li class = "four"> <a href="link4"> 4 </a> </ li> <li class = "five"> <a href="link5"> 5 </a> </ ul> </ div > '' ' ＃変換し、テキスト・ページ・タイプ、および修正補完 HTML = etree.HTML（テキスト） ＃選択したコンテンツのマッチング ＃（プロパティ、値@）が含ま = html.xpath（結果" //李[含まれています（@class、「スリー"）および@ name =" item "] / a / text（）' ） 印刷（結果）
7.順番に選ぶ
from lxml import etree text = '' ' <div> <ul> <li class = "one"> <a href="link1"> 1 </a> </ li> <li class = "two three" name = "item"> <a href="link2"> 2 </a> </ li> <li class = "three two"> <a href="link3"> 3 </a> </ li> <li class = "four"> <a href="link4"> 4 </a> </ li> <li class = "five"> <a href="link5"> 5 </a> </ ul> </ div > '' ' ＃変換しテキストのページ・タイプ、および修正補体 HTML = etree.HTML（テキスト） ＃選択されたコンテンツマッチング ＃は最初一致リチウム 結果1 = html.xpath（' //のLi [1] / A /テキスト（）' ） ＃最後に、カウントダウン2 結果2 = html.xpath（' //李[最終（） - 2] / A /テキスト（）' ） ＃最後 result3 = html.xpath（" //李[最終（）] / A /テキスト（）' ） ＃3未満。 result4 = html.xpath（' //のLi [位置（）<3。] / A /テキスト（）' ） ＃組み込み関数100は、http：//www.w3school.com.cn/ xpath / xpath_functions.asp 印刷（結果1） 印刷（結果2） 印刷（結果3） 印刷（結果4）
8.ノード軸の選択
＃タグLINK4親クラスの属性の属性