Python爬蟲11-XML與XPath概述

GitHub代碼練習地址：用lxml解析HTML,文件讀取,etree和XPath的配合使用：https://github.com/Neo-ML/PythonPractice/blob/master/SpiderPrac17_xpath%26lxml.py

XML
- XML(EXtensibleMarkupLanguage)   
- 官方文檔http://www.w3school.com.cn/xml/index.asp
- 概念：父節點，子節點，先輩節點，兄弟節點，後代節點

XPath
- XPath(XML Path Language), 是一門在XML文檔中查找信息的語言，
- 官方文檔： http://www.w3school.com.cn/xpath/index.asp
- XPath開發工具
    - 開源的XPath表達式工具： XMLQuire
    - chrome插件： Xpath Helper
    - Firefox插件： XPath CHecker
    
- 常用路徑表達式：
    - nodename: 選取此節點的所有子節點
    - /: 從根節點開始選
    - //: 選取元素，而不考慮元素的具體為止
    - .:  當前節點
    - ..:父節點
    - @： 選取屬性
    - 案例：
        - booksotre: 選取bookstore下的所有子節點
        - /booksotre: 選取根元素
        - booksotre/book: 選取bookstore的所有為book的子元素
        - //book: 選取book子元素
        - //@lang:選取名稱為lang的所有屬性

- 謂語(Predicates)
    - 謂語用來查找某個特定的節點，被鑲嵌在方括弧中
    - /bookstore/book[1]: 選取第一個屬於bookstore下叫book的元素
    - /bookstore/book[last()]: 選取最後一個屬於bookstore下叫book的元素
    - /bookstore/book[last()-1]: 選取倒數第二個屬於bookstore下叫book的元素
    - /bookstore/book[position()<3]: 選取屬於bookstore下叫book的前兩個元素
    - /bookstore/book[@lang]: 選取屬於bookstore下叫book的,含有屬性lang元素
    - /bookstore/book[@lang="cn"]: 選取屬於bookstore下叫book的,含有屬性lang的值是cn的元素
    - /bookstore/book[@price < 90]: 選取屬於bookstore下叫book的,含有屬性price的，且值小於90的元素
    - /bookstore/book[@price < 90]/title: 選取屬於bookstore下叫book的,含有屬性price的，且值小於90的元素的子元素title
    
- 通配符
    - `*` : 任何元素節點
    - @*： 匹配任何屬性節點
    - node(): 陪陪任何類型的節點

- 選取多個路徑
    - //book/tile  | //book/author : 選取book元素中的title和author元素
    - //tile | //price: 選取文檔中所有的title和price元素

lxml庫
- python的HTML/XML的解析器
- 官方文檔：   http://lxml.de/index.html
- 功能：
    - 解析HTML
    - 文件讀取
    - etree和XPath的配合使用