转载的原因和前面的一样，我写的没别人写的好，所以我也不浪费时间了，直接转载这位崔庆才大佬的
以下为转载内容：
--------------------------------------------------------------------------------------------------------------------------------
参考来源
lxml用法源自 lxml python 官方文档，更多内容请直接参阅官方文档，本文对其进行翻译与整理。
lxml
XPath语法参考 w3school
w3school
安装
extarea>pip install lxmlextarea>
利用 pip 安装即可
XPath语法
XPath 是一门在 XML 文档中查找信息的语言。XPath 可用来在 XML 文档中对元素和属性进行遍历。XPath 是 W3C XSLT 标准的主要元素，并且 XQuery 和 XPointer 都构建于 XPath 表达之上。
节点关系
（1）父（Parent）
每个元素以及属性都有一个父。
在下面的例子中，book 元素是 title、author、year 以及 price 元素的父：
extarea style="width: 263px; height: 130px"><book>
<title>Harry Potter</title>
<author>J K. Rowling</author>
<year>2005</year>
<price>29.99</price>
</book>extarea>
（2）子（Children）
元素节点可有零个、一个或多个子。
在下面的例子中，title、author、year 以及 price 元素都是 book 元素的子：
extarea style="width: 256px; height: 122px"><book>
<title>Harry Potter</title>
<author>J K. Rowling</author>
<year>2005</year>
<price>29.99</price>
</book>extarea>
（3）同胞（Sibling）
拥有相同的父的节点
在下面的例子中，title、author、year 以及 price 元素都是同胞：
extarea style="width: 255px; height: 128px"><book>
<title>Harry Potter</title>
<author>J K. Rowling</author>
<year>2005</year>
<price>29.99</price>
</book>extarea>
（4）先辈（Ancestor）
某节点的父、父的父，等等。
在下面的例子中，title 元素的先辈是 book 元素和 bookstore 元素：
extarea style="width: 289px; height: 204px"><bookstore>
<book>
<title>Harry Potter</title>
<author>J K. Rowling</author>
<year>2005</year>
<price>29.99</price>
</book>
</bookstore>extarea>
（5）后代（Descendant）
某个节点的子，子的子，等等。
在下面的例子中，bookstore 的后代是 book、title、author、year 以及 price 元素：
extarea style="width: 289px; height: 204px"><bookstore>
<book>
<title>Harry Potter</title>
<author>J K. Rowling</author>
<year>2005</year>
<price>29.99</price>
</book>
</bookstore>extarea>
选取节点
XPath 使用路径表达式在 XML 文档中选取节点。节点是通过沿着路径或者 step 来选取的。
下面列出了最有用的路径表达式：
|
表达式
|
描述
|
|
nodename
|
选取此节点的所有子节点。
|
|
/
|
从根节点选取。
|
|
//
|
从匹配选择的当前节点选择文档中的节点，而不考虑它们的位置。
|
|
.
|
选取当前节点。
|
|
..
|
选取当前节点的父节点。
|
|
@
|
选取属性。
|
实例
在下面的表格中，我们已列出了一些路径表达式以及表达式的结果：
|
路径表达式
|
结果
|
|
bookstore
|
选取 bookstore 元素的所有子节点。
|
|
/bookstore
|
选取根元素 bookstore。注释：假如路径起始于正斜杠( / )，则此路径始终代表到某元素的绝对路径！
|
|
bookstore/book
|
选取属于 bookstore 的子元素的所有 book 元素。
|
|
//book
|
选取所有 book 子元素，而不管它们在文档中的位置。
|
|
bookstore//book
|
选择属于 bookstore 元素的后代的所有 book 元素，而不管它们位于 bookstore 之下的什么位置。
|
|
//@lang
|
选取名为 lang 的所有属性。
|
谓语（Predicates）
谓语用来查找某个特定的节点或者包含某个指定的值的节点。
谓语被嵌在方括号中。
实例
在下面的表格中，我们列出了带有谓语的一些路径表达式，以及表达式的结果：
|
路径表达式
|
结果
|
|
/bookstore/book[1]
|
选取属于 bookstore 子元素的第一个 book 元素。
|
|
/bookstore/book[last()]
|
选取属于 bookstore 子元素的最后一个 book 元素。
|
|
/bookstore/book[last()-1]
|
选取属于 bookstore 子元素的倒数第二个 book 元素。
|
|
/bookstore/book[position()<3]
|
选取最前面的两个属于 bookstore 元素的子元素的 book 元素。
|
|
//title[@lang]
|
选取所有拥有名为 lang 的属性的 title 元素。
|
|
//title[@lang=’eng’]
|
选取所有 title 元素，且这些元素拥有值为 eng 的 lang 属性。
|
|
/bookstore/book[price>35.00]
|
选取 bookstore 元素的所有 book 元素，且其中的 price 元素的值须大于 35.00。
|
|
/bookstore/book[price>35.00]/title
|
选取 bookstore 元素中的 book 元素的所有 title 元素，且其中的 price 元素的值须大于 35.00。
|
选取未知节点
XPath 通配符可用来选取未知的 XML 元素。
|
通配符
|
描述
|
|
*
|
匹配任何元素节点。
|
|
@*
|
匹配任何属性节点。
|
|
node()
|
匹配任何类型的节点。
|
实例
在下面的表格中，我们列出了一些路径表达式，以及这些表达式的结果：
|
路径表达式
|
结果
|
|
/bookstore/*
|
选取 bookstore 元素的所有子元素。
|
|
//*
|
选取文档中的所有元素。
|
|
//title[@*]
|
选取所有带有属性的 title 元素。
|
选取若干路径
通过在路径表达式中使用“|”运算符，您可以选取若干个路径。
实例
在下面的表格中，我们列出了一些路径表达式，以及这些表达式的结果：
|
路径表达式
|
结果
|
|
//book/title | //book/price
|
选取 book 元素的所有 title 和 price 元素。
|
|
//title | //price
|
选取文档中的所有 title 和 price 元素。
|
|
/bookstore/book/title | //price
|
选取属于 bookstore 元素的 book 元素的所有 title 元素，以及文档中所有的 price 元素。
|
XPath 运算符
下面列出了可用在 XPath 表达式中的运算符：
|
运算符
|
描述
|
实例
|
返回值
|
|
|
|
计算两个节点集
|
//book | //cd
|
返回所有拥有 book 和 cd 元素的节点集
|
|
+
|
加法
|
6 + 4
|
10
|
|
–
|
减法
|
6 – 4
|
2
|
|
*
|
乘法
|
6 * 4
|
24
|
|
div
|
除法
|
8 div 4
|
2
|
|
=
|
等于
|
price=9.80
|
如果 price 是 9.80，则返回 true。如果 price 是 9.90，则返回 false。
|
|
!=
|
不等于
|
price!=9.80
|
如果 price 是 9.90，则返回 true。如果 price 是 9.80，则返回 false。
|
|
<
|
小于
|
price<9.80
|
如果 price 是 9.00，则返回 true。如果 price 是 9.90，则返回 false。
|
|
<=
|
小于或等于
|
price<=9.80
|
如果 price 是 9.00，则返回 true。如果 price 是 9.90，则返回 false。
|
|
>
|
大于
|
price>9.80
|
如果 price 是 9.90，则返回 true。如果 price 是 9.80，则返回 false。
|
|
>=
|
大于或等于
|
price>=9.80
|
如果 price 是 9.90，则返回 true。如果 price 是 9.70，则返回 false。
|
|
or
|
或
|
price=9.80 or price=9.70
|
如果 price 是 9.80，则返回 true。如果 price 是 9.50，则返回 false。
|
|
and
|
与
|
price>9.00 and price<9.90
|
如果 price 是 9.80，则返回 true。如果 price 是 8.50，则返回 false。
|
|
mod
|
计算除法的余数
|
5 mod 2
|
1
|
lxml用法
初步使用
首先我们利用它来解析 HTML 代码，先来一个小例子来感受一下它的基本用法。
extarea style="width: 442px; height: 396px">from lxml import etree
text = '''
<div>
<ul>
<li class="item-0"><a href="https://www.cnblogs.com/Eeyhan/p/link1.html">first item</a></li>
<li class="item-1"><a href="https://www.cnblogs.com/Eeyhan/p/link2.html">second item</a></li>
<li class="item-inactive"><a href="https://www.cnblogs.com/Eeyhan/p/link3.html">third item</a></li>
<li class="item-1"><a href="https://www.cnblogs.com/Eeyhan/p/link4.html">fourth item</a></li>
<li class="item-0"><a href="https://www.cnblogs.com/Eeyhan/p/link5.html">fifth item</a>
</ul>
</div>
'''
html = etree.HTML(text)
result = etree.tostring(html)
print(result)extarea>
首先我们使用 lxml 的 etree 库，然后利用 etree.HTML 初始化，然后我们将其打印出来。
其中，这里体现了 lxml 的一个非常实用的功能就是自动修正 html 代码，大家应该注意到了，最后一个 li 标签，其实我把尾标签删掉了，是不闭合的。不过，lxml 因为继承了 libxml2 的特性，具有自动修正 HTML 代码的功能。
所以输出结果是这样的
extarea style="width: 460px; height: 337px"><html><body>
<div>
<ul>
<li class="item-0"><a href="https://www.cnblogs.com/Eeyhan/p/link1.html">first item</a></li>
<li class="item-1"><a href="https://www.cnblogs.com/Eeyhan/p/link2.html">second item</a></li>
<li class="item-inactive"><a href="https://www.cnblogs.com/Eeyhan/p/link3.html">third item</a></li>
<li class="item-1"><a href="https://www.cnblogs.com/Eeyhan/p/link4.html">fourth item</a></li>
<li class="item-0"><a href="https://www.cnblogs.com/Eeyhan/p/link5.html">fifth item</a></li>
</ul>
</div>
</body></html>extarea>
不仅补全了 li 标签，还添加了 body，html 标签。
文件读取
除了直接读取字符串，还支持从文件读取内容。比如我们新建一个文件叫做 hello.html，内容为
extarea style="width: 485px; height: 297px"><div>
<ul>
<li class="item-0"><a href="https://www.cnblogs.com/Eeyhan/p/link1.html">first item</a></li>
<li class="item-1"><a href="https://www.cnblogs.com/Eeyhan/p/link2.html">second item</a></li>
<li class="item-inactive"><a href="https://www.cnblogs.com/Eeyhan/p/link3.html"><span class="bold">third item</span></a></li>
<li class="item-1"><a href="https://www.cnblogs.com/Eeyhan/p/link4.html">fourth item</a></li>
<li class="item-0"><a href="https://www.cnblogs.com/Eeyhan/p/link5.html">fifth item</a></li>
</ul>
</div>extarea>
利用 parse 方法来读取文件。
extarea style="width: 335px; height: 107px">from lxml import etree
html = etree.parse('hello.html')
result = etree.tostring(html, pretty_print=True)
print(result)extarea>
同样可以得到相同的结果。
XPath实例测试
依然以上一段程序为例
（1）获取所有的 <li> 标签
extarea style="width: 372px; height: 171px">from lxml import etree
html = etree.parse('hello.html')
print type(html)
result = html.xpath('//li')
print result
print len(result)
print type(result)
print type(result[0])extarea>
运行结果
extarea style="width: 316px; height: 183px"><type 'lxml.etree._ElementTree'>
[<Element li at 0x1014e0e18>, <Element li at 0x1014e0ef0>, <Element li at 0x1014e0f38>, <Element li at 0x1014e0f80>, <Element li at 0x1014e0fc8>]
5
<type 'list'>
<type 'lxml.etree._Element'>extarea>
可见，etree.parse 的类型是 ElementTree，通过调用 xpath 以后，得到了一个列表，包含了 5 个 <li> 元素，每个元素都是 Element 类型
（2）获取 <li> 标签的所有 class
extarea style="width: 271px; height: 65px">result = html.xpath('//li/@class')
print resultextarea>
运行结果
extarea style="width: 259px; height: 54px">['item-0', 'item-1', 'item-inactive', 'item-1', 'item-0']extarea>
（3）获取 <li> 标签下 href 为 link1.html 的 <a> 标签
extarea style="width: 239px; height: 70px">result = html.xpath('//li/a[@href="link1.html"]')
print resultextarea>
运行结果
extarea style="width: 225px; height: 50px">[<Element a at 0x10ffaae18>]extarea>
（4）获取 <li> 标签下的所有 <span> 标签
注意这么写是不对的
extarea style="width: 278px; height: 31px">result = html.xpath('//li/span')extarea>
因为 / 是用来获取子元素的，而 <span> 并不是 <li> 的子元素，所以，要用双斜杠
extarea style="width: 263px; height: 64px">result = html.xpath('//li//span')
print resultextarea>
运行结果
extarea style="width: 197px; height: 67px">[<Element span at 0x10d698e18>]extarea>
（5）获取 <li> 标签下的所有 class，不包括 <li>
extarea>result = html.xpath('//li/a//@class')
print resultextarea>
运行结果
extarea style="width: 195px; height: 28px">['blod']extarea>
（6）获取最后一个 <li> 的 <a> 的 href
extarea style="width: 213px; height: 88px">result = html.xpath('//li[last()]/a/@href')
print resultextarea>
运行结果
extarea style="width: 195px; height: 35px">['link5.html']extarea>
（7）获取倒数第二个元素的内容
extarea style="width: 255px; height: 70px">result = html.xpath('//li[last()-1]/a')
print result[0].textextarea>
运行结果
extarea style="width: 184px; height: 29px">fourth itemextarea>
（8）获取 class 为 bold 的标签名
extarea style="width: 218px; height: 65px">result = html.xpath('//*[@class="bold"]')
print result[0].tagextarea>
结果
extarea style="width: 136px; height: 26px">spanextarea>
通过以上实例的练习，相信大家对 XPath 的基本用法有了基本的了解。也可以利用 text 方法来获取元素的内容。
大家多加练习！
结语
XPath 是一个非常好用的解析方法，同时也作为爬虫学习的基础，在后面的 selenium 以及 scrapy 框架中都会涉及到这部分知识，希望大家可以把它的语法掌握清楚，为后面的深入研究做好铺垫
--------------------------------------------------------------------------------------------------------------------------------
以上为转载内容
也是那位大佬的杰作，可以看下，绝对有收获
爬虫精髓链接：Python3爬虫三大案例实战分享
爬取知乎：爬取知乎所有用户详细信息
有了上面知识的储备，后期学习就更轻松了，爬虫篇也快结束了，爬虫过了就真的到项目进阶实战了
