XPath（XML Path Language）是一种用于在XML文档中进行元素遍历和信息提取的语言。在Python中，使用XPath可以解析HTML、XML等网页文档，并且与正则表达式相比，XPath更加方便、简洁。下面是使用XPath解析数据的详细攻略。

什么是XPath？

如果我们把HTML或XML文档看做一个树形结构，那么XPath就是通过路径来找到该树形结构中唯一或者多个节点的一种语言。

XPath语法较为简洁，其可以使用各种轴找到元素、属性及元素关系，将复杂的数据结构展现为一系列简单的节点集合。

安装XPath解析库

Python中有多个XPath解析库可供选择，比如：lxml、html5lib、pyquery等。这里以lxml为例，介绍XPath的使用方法。

可以使用以下命令安装lxml库：

pip install lxml

在安装完成后，我们就可以开始使用lxml库进行XPath解析。

使用XPath解析数据

1. 在网页中使用XPath解析

我们以“百度百科”为例子，准备解析该网页上的一些数据。下面是解析步骤：

第一步：使用requests库获得网页HTML代码

import requests

url = "https://baike.baidu.com/item/Python/407313"
response = requests.get(url)
html = response.content.decode('utf-8')

第二步：使用lxml库解析HTML代码，并使用XPath定位元素

from lxml import etree

selector = etree.HTML(html)
result = selector.xpath('//div[@class="lemma-summary"]/div[contains(@class, "para")]//text()')

上述代码中，我们首先用etree模块将html转化为XML格式，其中selector.xpath()函数里的参数为XPath语句，通过该语句，我们可以定位到数据所在的元素。

第三步：提取数据

summary = ''.join(result).strip()
print(summary)

上述代码使用Python内置函数join将列表中的所有字符串连接起来，并使用strip()方法去除首尾空格。

结果输出：

Python是一种跨平台的计算机程序设计语言。是一种面向对象的动态类型语言，最初被设计用于编写自动化脚本(shell)，随着版本的不断更新和语言新功能的添加，越来越多被用于独立的、大型项目的开发。Python语法简洁清晰，特色之一是强制用空白符(white space)作为语句缩进。

2. 在XML文件中使用XPath解析

我们以下面这段XML文件为例：

<?xml version="1.0" encoding="UTF-8"?>
<student>
  <name>Tom</name>
  <age>12</age>
  <gender>male</gender>
  <address>Beijing</address>
</student>

第一步：使用lxml库解析XML文件

from lxml import etree

root = etree.parse('student.xml')

第二步：使用XPath定位元素

name = root.xpath('/student/name/text()')[0]
age = root.xpath('/student/age/text()')[0]
gender = root.xpath('/student/gender/text()')[0]
address = root.xpath('/student/address/text()')[0]

上述代码中，使用XPath语句以根节点/开始逐级定位，最后获取所需的文本内容。

第三步：提取数据

info = f"Name: {name}\nAge: {age}\nGender: {gender}\nAddress: {address}"
print(info)

结果输出：

Name: Tom
Age: 12
Gender: male
Address: Beijing

总结

使用XPath解析数据可以方便、快捷地获取所需数据，并且与正则表达式相比，比较易懂和语法简洁。当然，对于特别大的XML文件，XPath也可能会有性能问题，需要注意优化。

本文链接：http://task.lmcjl.com/news/6779.html