爬虫数据解析的方法
- 正则表达式——使用场景：数据量相对较少，或者要提取的类型单一，专门用于从字符串里面提取数据
- css选择器——使用场景：适合在html标签中提取数据
- xpath——使用场景：适合在html标签当中进行数据提取，路径选择器，最早是提取xml文件，因为简单易学，在网页方面的引用比较多
xpath、parsel简介
XPath是一门在HTML、XML文档中查找信息的语言
parsel是一款高性能的python HTML、XML解析器，将字符串转化为selector对象，具有xpath方法，返回结果的列表，能够接受bytes类型的数据和str类型的数据，我们可以可利用xpath，来快速定位元素以及获取节点信息
xpath语法
xpath使用路径表达式来选取xml文档中的节点或者节点集
| 表达式 | 描述 |
|---|---|
| nodename | 选中该元素 |
| / | 从根节点获取，或者是元素之间的过渡 |
| // | 跨节点提取 |
| . | 选取当前节点 |
| … | 选取当前节点的父节点 |
| @ | 选取属性 |
| text() | 选取文本 |
- 选取未知节点
| 通配符 | 描述 |
|---|---|
| * | 匹配任何元素节点 |
| @* | 匹配任何属性节点 |
| node() | 匹配任何类型节点 |
| /div/* | 选取div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title的元素 |
