網(wǎng)頁結構的簡介和Xpath語法的入門教程

相信很多小伙伴已經(jīng)聽說過Xpath，之前小編也寫過一篇關于Xpath的文章，感興趣的小伙伴可以戳這篇文章如何利用Xpath抓取京東網(wǎng)商品信息以及Python網(wǎng)絡爬蟲四大選擇器（正則表達式、BS4、Xpath、CSS）總結。今天小編繼續(xù)給大家介紹一些Xpath知識點，希望對大家的學習有幫助。

1、Xpath讓我們可以使用一種類似于Windows下的文件路徑的方式，讓我們可以定位到HTML或者XML結構中的具體元素。Xpath本身包含標一些準函數(shù)庫，可以讓我們的Xpath語法更加強大。

2、在HTML結構中，有一定的層級關系，主要的關系包括：父節(jié)點、子節(jié)點、同胞節(jié)點（兄弟節(jié)點）、先輩節(jié)點、后代節(jié)點。

    一般的，像類似于這種結構，稱之為一個節(jié)點。如上圖，根據(jù)層次關系，我們可以知道節(jié)點是的父節(jié)點，相應的，節(jié)點是節(jié)點的子節(jié)點。同胞節(jié)點又叫兄弟節(jié)點，一般的處于同級層次的節(jié)點叫同胞節(jié)點，如上圖中的節(jié)點和第一個

節(jié)點、177~181行的

• 標簽都是屬于同胞節(jié)點。先輩節(jié)點又叫祖先節(jié)點，一般的，一個節(jié)點的上層以上的節(jié)點均稱為先輩節(jié)點，所以父節(jié)點也是屬于先輩節(jié)點的一種?；诖?，我們又可以稱節(jié)點是的先輩節(jié)點。相對應的，一個節(jié)點的下層以下的節(jié)點均稱為后代節(jié)點，所以子節(jié)點也是屬于后代節(jié)點的一種?；诖耍覀冇挚梢苑Q節(jié)點是節(jié)點的后代節(jié)點。

3、理解這些節(jié)點之間的關系之后，可以方便我們更好的理解Xpath語法，下表是部分常用的Xpath語法。

    這里特別強調(diào)“/”和“//”的區(qū)別，“/”一般代表的某個元素的子節(jié)點，而不是全部的后代節(jié)點；而“//”一般代表的某個元素的后代節(jié)點，范圍比“/”代表的要更加廣泛一些。@符號后邊時常跟著class，代表選取名為class屬性的節(jié)點，比較常見。

4、下面針對具體的網(wǎng)頁源碼，讓大家了解一下網(wǎng)頁結構。

    如上圖中的紅色框框中，class為屬性，而等于號后邊的“grid-5”即為屬性值，有的時候節(jié)點內(nèi)不只是一個屬性，如上圖中的196行中，就有兩個屬性。

5、為了更加方便的定位到div或者其他節(jié)點下的標簽，我們需要繼續(xù)進一步的進行定位鎖定，下表是部分常用的Xpath語法。

    掌握了Xpath語法知識之后，我們就可以通過Xpath語法來進行編寫Xpath表達式，以提取網(wǎng)頁上的目標數(shù)據(jù)。

    千里之行，始于足下。如果想學好Xpath，更是需要勤加使用，下一篇文章將給大家介紹Xpath在Scrapy爬蟲項目中的使用。