1.什么是XPath？
xpath是一门在XML和HTML文档中查找信息的语言，可用来在XML和HTML文档中对元素和属性进行遍历，XPath 通过使用路径表达式来选取 XML 文档中的节点或者节点集。这些路径表达式和在常规的电脑文件系统中看到的表达式非常相似。
2.XPath语法
想要学好xpath，首先要搞明白html文档中的节点。
|
|---|
以上是在网上随便找的一段html的文本，可以观察得到，div的标签下是ul标签，而ul标签下是li标签，于是发现html的标签是一级一级如树状的。Xpath正是通过这样的方式去寻找。以生活中举例，要确定一个人的位置，首先确定他在中国，然后确定他在某个省份，哪座城市，那个小区，最后找到他。
| 表达式 | 描述 |
|---|---|
| Nodename | 选取此节点的所有子节点 bookstore 选取bookstore下所有的子节点 |
| / | 如果是在最前面，代表从根节点选取。否则选择某节点下的某个节点 /bookstore 选取根元素下所有的bookstore节点 |
| // | 从全局节点中选择节点，随便在哪个位置 //book 从全局节点中找到所有的book节点 |
| @ | 选取某个节点的属性 //book[@price] 选择所有拥有price属性的book节点 |
| . | 当前节点 |
| Text() | 获取标签中的文本 |
同级标签可以用li[1],li[2],li[3]的方式获取
3.lxml库
简单介绍一下lxml库，接下来会用到它
lxml是一个HTML/XML的解析器，主要的功能是如何解析和提取HTML/XML 数据。
lxml和正则一样，也是用C实现的，是一款高性能的PythonHTML/XML解析器，可以利用之前学习的XPath语法，来快速的定位特定元素以及节点信息。
4.实际案例
随便爬取一个网站，找到找到网站的html文本，如下图
5.总结
Xpath，是在爬虫中常见的提取数据的方式之一，相比于正则，它更加简单一些，便于操作，xpath的难点在于准确的确定数据所在的位置。
