Xpath和BeautifulSoup4
2019-02-24 本文已影响0人
骚X
什么是Xpath?
- Xpath(XML Path Language)是一门在 XML文档中查找信息的语音,可用来在XML文档对元素和属性进行遍历
什么是XML?
- XML指可扩展标记语音
- XML是一种标记语音,很类似HTML
- XML的设计宗旨是传输数据,而非显示数据
- XML 的标签需要我们自行定义
- XML被设计为具有自我描述性
- XML是W3C推荐标准
XML和HTML的区别
XML是可扩展标记语音,被设计为传输和存储数据,其焦点是数据的内容。
HTML是超文本标记语音,显示数据以及如何更好显示数据
Xpath表达式
- nodename选取此节点的所有节点
- / 从根节点选取
- // 从匹配选择的当前节点选择文档中节点，而不考虑它们的位置
- . 选取当前节点
- .. 选取当前节点的父节点
- @ 选取属性
什么是BeautifulSoup4?
- 和 lxml 一样，Beautiful Soup 也是一个HTML/XML的解析器，主要的功能也是如何解析和提取 HTML/XML 数据
BeautifulSoup4表达式
- findall() 查找所有节点
- find() 查找单个
- 支持css选择器
获取标签的属性 p['class'] => p.attrs['class']
获取标签的文本 p.get_text() => p.string
BeautifulSoup4和XPath的区别
- Beautifulsoup4 要比Xpath解析数据要慢，因为beautifulsoup4载入的是整个html文档
