你好

一、xpath解析原理

1. 实例化一个etree的对象，且需要将被解析的页面源码数据加载到该对象中
2. 调用etree对象中的xpath方法结合着xpath表达式实现标签的定位和内容的捕获
3. 使用lxml模块

1.1实例化一个etree对象

1. 将本地的html文档中的源码数据加载到etree对象中: etree.parse(filePath)
2. 可以将从互联网上获取的源码数据加载到该对象中 etree.HTML('page_text')
3. xpath('xpath表达式)

1.2xpath表达式

• /: 表示的是从根节点开始定位。表示的是一个层级
• //:表示的是多个层级。可以表示从任意位置开始定位。
• 属性定位: //div[@class='song'] tag[@attrName="attrValue"]
• 索引定位: //div[@class="song"]/p[3] 索引是从1开始的。
• 取文本：
  • /text()获取直系文本
  • //text()获取下属所有文本
• 取属性：
  • /@属性名

爬虫中通用处理中文乱码的解决方案 zhongwen = zhongwen.encode('iso-8859-1').decode( 'gbk')

正则表达式 : https://www.runoob.com/python/python-reg-expressions.html

点一下送地狱火