一.方式
1、正規表示式(最難)
\d 表示匹配乙個數字
\w 表示匹配乙個數字或字母
+ 表示前面的字元至少出現1次，不能為0(不出現)
^ 表示必須以什麼字元開頭
$ 表示必須以什麼字元結尾
. 可以匹配某乙個字元後跟的任意乙個字元
* 可以匹配前面乙個字元0個或任意多個字元
.* 表示任意字元出現多次，包含0次
3、cssselect (需要css基礎)
4、bs (一般)
二.特點
三.方法
xpath基本語法
1、通過標籤名找標籤，找到的不是標籤內的文字，是整個標籤
//div
輸出結果：2、通過屬性查詢
標籤的常見屬性：id class href alt...
id、class相當於給標籤起了乙個別名
alt屬性，屬於img標籤的乙個屬性，一般用於儲存名稱
通過屬性查詢：
例如：//div/a[@href]
//div[@class="zhiyou"]
3、查詢符合條件的第2個標籤
//div[@class="zhiyou"][2]
4、按照標籤的層次查詢
//div/ul/li/div/a/img
5、查詢屬性值(src屬於img標籤和屬性)
//ul/li/div/a/img/@src
6、查詢標籤內的文字,只能獲取a標籤內的一級文字
//a/text()
獲取所有本文,查詢class="zhiyou"的div標籤內所有文字(包含div子標籤)
//div[@class="zhiyou"]//text()
7、查詢具體位置的標籤
//body/p[position() = 1]
//body/p[position() < 3]
//div/a[last()]
8、查詢包含某個類名的標籤
//div[contains(@class, "zhiyou")]
9、查詢name屬性等於zhiyou所有標籤
//*[@name="zhiyou"]
Python爬蟲解析網頁的4種方式
正規表示式 regular expression 描述了一種字串匹配的模式 pattern 可以用來檢查乙個串是否含有某種子串 將匹配的子串替換或者從某個串中取出符合某個條件的子串等 正則的好處是編寫麻煩，理解不容易，但是匹配效率很高，不過時至今日有太多現成的html內容解析庫之後，我個人不太建議再...
網頁請求方式獲取，django原始碼解析
一 urls.py檔案中的路由配置 研究路由匹配中是怎麼自動獲取到get和post請求的 二 base.py原始碼檔案中，as view是乙個類方法，關掉類方法體內的邏輯判斷，先看返回值是view,再點進去看view方法內部做了什麼，三 view函式體內利用反射方法hasattr獲取url的請求方式...
解析網頁之xpath解析
xpath指的是使用路徑表示式在 xml 文件中查詢資訊的語言。xpath的七個節點術語 元素 屬性 文字 命名空間 處理指令 注釋以及文件 根 節點。每個元素以及屬性都有乙個父節點。元素節點可有零個 乙個或多個子節點。就好像每一片樹葉都只能在一根樹枝上，但每一根樹枝卻有很多樹葉。以此類推，樹幹是所...