Python爬虫:xpath对HTML文件进行本地读取进行测试

本地文件

<html lang="en">
<head>
	<meta charset="UTF-8" />
	<title>测试bs4</title>
</head>
<body>
	<div>
		<p>百里守约</p>
	</div>
	<div class="song">
		<p>李清照</p>
		<p>王安石</p>
		<p>苏轼</p>
		<p>柳宗元</p>
		<a href="http://www.song.com/" title="赵匡胤" target="_self">
			<span>this is span</span>
		宋朝是最强大的王朝,不是军队的强大,而是经济很强大,国民都很有钱</a>
		<a href="" class="du">总为浮云能蔽日,长安不见使人愁</a>
		<img src="http://www.baidu.com/meinv.jpg" alt="" />
	</div>
	<div class="tang">
		<ul>
			<li><a href="http://www.baidu.com" title="qing">清明时节雨纷纷,路上行人欲断魂,借问酒家何处有,牧童遥指杏花村</a></li>
			<li><a href="http://www.163.com" title="qin">秦时明月汉时关,万里长征人未还,但使龙城飞将在,不教胡马度阴山</a></li>
			<li><a href="http://www.126.com" alt="qi">岐王宅里寻常见,崔九堂前几度闻,正是江南好风景,落花时节又逢君</a></li>
			<li><a href="http://www.sina.com" class="du">杜甫</a></li>
			<li><a href="http://www.dudu.com" class="du">杜牧</a></li>
			<li><b>杜小月</b></li>
			<li><i>度蜜月</i></li>
			<li><a href="http://www.haha.com" id="feng">凤凰台上凤凰游,凤去台空江自流,吴宫花草埋幽径,晋代衣冠成古丘</a></li>
		</ul>
	</div>
</body>
</html>
import requests
from lxml import etree
tree = etree.parse(0113.html)
r1 = tree.xpath(/html/body/div)  # 直接从上往下挨着找节点
r2 = tree.xpath(/html//div)  # 跳跃了一个节点来找到这个div节点的对象
r3 = tree.xpath(//div)  ##跳跃上面所有节点来寻找div节点的对象
# r1, r2, r3
# print(r1)
# print(r2)
# print(r3)
r4=tree.xpath(//div[@class="song"])
# print(r4)
r5=tree.xpath(//div[@class="song"]/p)
# print(r5)
# r6=tree.xpath(//div[@class="tang"]//li[5]/a/text())[0]
r6=tree.xpath(//div[@class="tang"]//li/a/text())[1]
# print(r6)
r7=tree.xpath(//li//text())
# print(r7)
r8=tree.xpath(//div[@class="song"]/img/@src)
# print(r8)
r9=tree.xpath(//@href)
print(r9)
经验分享 程序员 微信小程序 职场和发展