什么是XPath？

• XPath (XML Path Language) 是一門在 XML 文檔中查找信息的語言，可用來在 XML 文檔中對元素和屬性進(jìn)行遍歷

什么是XML?

• XML 指可擴(kuò)展標(biāo)記語言
• XML 是一種標(biāo)記語言，很類似HTML
• XML 的設(shè)計宗旨是傳輸數(shù)據(jù)，而非顯示數(shù)據(jù)
• XML 的標(biāo)簽需要我們自行定義
• XML 被設(shè)計為具有自我描述性
• XML 是W3C的推薦標(biāo)準(zhǔn)

XML和HTML的區(qū)別

XML 是可擴(kuò)展標(biāo)記語言，被設(shè)計為傳輸和存儲數(shù)據(jù)，其焦點(diǎn)是數(shù)據(jù)的內(nèi)容。
HTML 是超文本標(biāo)記語言，顯示數(shù)據(jù)以及如何更好顯示數(shù)據(jù)。

XPath 表達(dá)式

• nodename 選取此節(jié)點(diǎn)的所有節(jié)點(diǎn)
• / 從根節(jié)點(diǎn)選取
• // 從匹配選擇的當(dāng)前節(jié)點(diǎn)選擇文檔中的節(jié)點(diǎn)，而不考慮它們的位置
• . 選取當(dāng)前節(jié)點(diǎn)
• .. 選取當(dāng)前節(jié)點(diǎn)的父節(jié)點(diǎn)
• @ 選取屬性

什么是BeautifulSoup4？

和 lxml 一樣，Beautiful Soup 也是一個HTML/XML的解析器，主要的功能也是如何解析和提取 HTML/XML 數(shù)據(jù)。

BeautifulSoup4表達(dá)式

findall() 查找所有節(jié)點(diǎn)
find() 查找單個
支持css選擇器

獲取標(biāo)簽的屬性 p['class'] => p.attrs['class']
獲取標(biāo)簽的文本 p.get_text() => p.string

BeautifulSoup4和XPath的區(qū)別

Beautifulsoup4 要比Xpath解析數(shù)據(jù)要慢，因?yàn)閎eautifulsoup4載入的是整個html文檔