python爬虫之数据提取Xpath（爬取起点中文网案例）

Xpath

详细的Xpath介绍手册——> https://www.w3school.com.cn/xpath/index.asp

1.安装xpath.
pip install lxml

2.安装谷歌XPath插件
下载：chrome_Xpath_v2.0.2.crx 格式的文件。拖进插件即可。
如果安装不成功，将后缀名改成.rar，解压以后再拖拽进去就可以使用了。

效果图（减头所指的地方就可以打开XPath）：

3.介绍
Xpath是在一门在XML文档种查找信息的语言。XPath可用来在XML文档种对元素和属性进行遍历，XPath是W3C XSLT标准的主要元素，并且XQuery和XPointer都构建于XPath表达之上。

4.节点的关系

• 父（Parent）
• 子（Children）
• 同胞（Sibling）
• 先辈（Ancestor）
• 后代（Descendant）

一、选取节点

1.常用的路径表达式

2.通配符
XPath通配符可用来选取未知的XML元素：

3.选取若干路径

4.谓语
谓语被嵌在方括号内，用来查找某个特定的节点或包含某个指定的值的节点。

5.XPath运算符

二、案例

爬取起点中文网，排行里面小说的名称和作者。

首先要明确要什么：

再用我们下载的谷歌XPath，找到相应的位置：

再找到作者的位置：

这样就提取到了我们想要的东西。

代码:

先导入库和获取页面：

1from lxml import etree
2import requests
3from fake_useragent import UserAgent
4url = "https://www.qidian.com/rank/yuepiao?chn=-1"
5headers = {"User-Agent":UserAgent().random}
6
7response = requests.get(url,headers)
8
9e = etree.HTML(response.text) 

利用XPath获取标题：

1names = e.xpath('//h4/a/text()')
2names 

获取作者信息：

1authors = e.xpath('//p[@class="author"]/a[1]/text()')
2authors 

将书名和作者一一对应：

1a = []
2for name in zip(names,authors):
3    a.append(name)
4
5a