（1）xml指可擴充套件標記語言（extensible markup language）
（2）xml是一中標記語言，類似於html
（3）xml的設計宗旨是傳輸資料，而非顯示資料
（4）xml的標籤需要我們自行定義
（5）xml被設計為具有自我描述性
（6）xml是w3c的推薦標準
官方文件：
資料格式
描述設計目標
xmlextensible markup language（可擴充套件標記語言）
被設計為傳輸和儲存資料，其焦點是資料的內容。
html
hypertext markup language（超文字標記語言）
顯示資料以及如何更好顯示資料。
html dom
document object model for html(文件物件模型)
通過 html dom，可以訪問所有的 html 元素，連同它們所包含的文字和屬性。可以對其中的內容進行修改和刪除，同時也可以建立新的元素。
html dom定義了訪問和操作html文件的標準方法，以樹結構方式表達html文件。
每個元素以及屬性都有乙個父
xml version="1.0" encoding="utf-8"book元素是title、author、year以及price元素的父。?>
<
book
>
<
title
>harry potter
title
>
<
author
>j k. rowling
author
>
<
year
>2005
year
>
<
price
>29.99
price
>
book
>
元素節點可有零個、乙個或多個子
title、author、year以及price元素都是book元素的子。
擁有相同的父的節點
title、author、year和price元素都是同胞
某節點的父、父的父等
xml version="1.0" encoding="utf-8"title元素的先輩是book元素和bookstore元素?>
<
bookstore
>
<
book
>
<
title
>harry potter
title
>
<
author
>j k. rowling
author
>
<
year
>2005
year
>
<
price
>29.99
price
>
book
>
bookstore
>
某個節點的子，子的子等
bookstore的後代是book、title、author、year以及price元素
xpath(xml path language)是一門在xml文件中查詢資訊的語言，可用來在xml文件中對元素和屬性進行遍歷。
xpath的官方文件：
（2）chrome外掛程式xpath helper
（3）firefox外掛程式xpath checker
xpath使用路徑表示式來選取xml文件中的節點或者節點集。
表示式描述
nodename
選取此節點的所有子節點。
/從根節點擊取。
//從匹配選擇的當前節點擊擇文件中的節點，而不考慮它們的位置。
.選取當前節點。
..選取當前節點的父節點。
@選取屬性。
路徑表示式以及表示式的結果：
`bookstore` 選取bookstore元素的所有子節點
`/bookstore` 選取根元素bookstore。注釋：假如路徑起始於正斜槓（/），則此路徑始終代表到某元素的絕對路徑。
`bookstore/book` 選取屬於bookstore的子元素的所有book元素
`//book` 選取所有book子元素,而不管它們在文件中的位置
`bookstore//book` 選擇屬於bookstore元素的後代的所有book元素，而不管它們位於bookstore之下的什麼位置
`//@lang` 選取名為lang的所有屬性
謂語用來查詢某個特定的節點或者包含某個指定的值的節點，被嵌在方括號中。
路徑表示式以及表示式的結果：
`/bookstore/book[1]` 選取屬於bookstore子元素的第乙個book元素
`/bookstore/book[last()]` 選取屬於bookstore子元素的最後乙個book元素
`/bookstore/book[last()-1]` 選取屬於bookstore子元素的倒數第二個book元素
`/bookstore/book[position()<3]` 選取最前面的兩個屬於bookstore元素的子元素的book元素
`//title[@lang='eng']` 選取所有title元素，且這些元素擁有值為eng的lang屬性
`//title[@lang]` 選取所有擁有名為lang的屬性的title元素
`/bookstore/book[price>35.00]` 選取bookstore元素的所有book元素，且其中的price元素的值必須大於35.00
`/bookstore/book[price>35.00]/title` 選取bookstore元素的所有book元素中的，price元素值大於35的條件下，book元素中的title元素。
xpath萬用字元可以用來選取位置的xml元素。
萬用字元描述
*匹配任何元素節點。
@*匹配任何屬性節點。
node()
匹配任何型別的節點。
路徑表示式以及表示式的結果：
`/bookstore/*` 選取bookstore元素的所有子元素
`//*` 選取文件中的所有元素
`html/node()/meta/@*` 選取html下面任意節點下的meta節點的所有屬性
`//title[@*]` 選取所有帶有屬性的title元素
通過在路徑表示式中使用"|"運算子，可以選取若干個路徑。
`//book/title | //book/price` 選取book元素的所有title和price元素
`//title | //price` 選取文件中的所有title和price元素
`/bookstore/book/title | //price` 選取屬於bookstore元素的book元素的所有title元素，以及文件中所有的price元素
8、lxml庫
lxml是乙個html/xml的解析器，主要的功能是如何解析和提取html/xml資料。
lxml和正則一樣，也是用 c 實現的，是一款高效能的 python html/xml 解析器，可以利用之前的xpath語法，來快速的定位特定元素以及節點資訊。
lxml python的官方文件：
安裝：`pip install lxml`
from lxml importetree
from pprint import
pprint
text = """
first item
second item
third item
fourth item
fifth item
"""#利用etree.html,將字串解析為html文件
html =etree.html(text)
#將字串序列化為html文件
result =etree.tostring(html)
#print(result.decode())
#利用etree.parse()來讀取外部檔案
html = etree.parse("
./hello.html")
result = etree.tostring(html,pretty_print=true)
#print(result.decode())
(type(html))
#ret = html.xpath("
//li")
(ret)
(len(ret))
(type(ret))
(type(ret[0]))
#[, , , , ]#5
##
Python爬蟲Xpath和lxml類庫系列之九
xpath xml path language 是一門在 xml 文件中查詢資訊的語言，可用來在 xml 文件中對元素和屬性進行遍歷。謂語用來查詢某個特定的節點或者包含某個指定的值的節點，被嵌在方括號中。xpath 萬用字元可用來選取未知的 xml 元素。通過在路徑表示式中使用 運算子，您可以選取若...
lxml類庫的xpath的使用
為什麼要學習lxml類庫和xpath呢？lxml類庫是一款高效能的python html xml解析器，我們可以利用xpath，來快速地定位特定元素以及獲取節點資訊。xpath是一門在html xml文件中查詢資訊的語言，可用來在html xml文件中對元素和屬性進行遍歷。xml和html的區別？x...
爬蟲訓練（五） Lxml庫與Xpath語法
一 lxml庫 lxml庫為xml解析庫，但也很好的支援了html文件的解析功能。lxml庫很實用的功能就是自動修正html 二 xpath語法 xpath是一門在xml文件中查詢資訊的語言，對html文件也有很好的支援。1 節點關係 節點名性質父節點 每個元素及屬性都有乙個節點 子節點元素節點可能...