XPath常用规则

XPath，全称是XML Path Language，即XML路径语言，是一门在XML文档中查找信息的语言。最初是用来搜寻XML文档的，但是它同样适用于HTML文档的搜索，所以完全可以使用XPath来做相应的信息抽取。

表达式	描述
nodename	选取此节点的所有子节点
/	从当前节点选取直接子节点
//	从当前节点选取子孙节点
.	选取当前节点
…	选取当前节点的父节点
@	选取属性

文本获取

我们可以使用XPath中的text()方法获取节点中的文本，用法如下：

from lxml import etree

html = etree.parse('./test.html', etree.HTMLParser())
result = html.xpath('//li[@class="item-0"]/text()')
print(result)

属性多值匹配

有时候，某个节点的某个属性可能有多个值，例如

text = '''<li class="li li-first"><a href="link.html">first item</a></li>'''

这里text中的li节点的class属性就有两个值li和li-first，此时如果还想用单纯的@属性就不可以了，需要用到contains()函数，如下：

from lxml import etree

html = etree.HTML(text)
result = html.xpath('//li[contains(@class,"li")]/a/text()')
print(result)

多属性匹配

我们还有可能遇到一种情况，那就是多个属性确定一个节点，这个时候就需要同时匹配多个属性，此时要用到运算符and来连接，如下：

from lxml import etree

text = '''<li class="li li-first" name="item"><a href="link.html">first item</a></li>'''
html = etree.HTML(text)
result = html.xpath('//li[contains(@class,"li") and @name="item"]/a/text()')
print(result)