Python爬虫lxml模块安装导入和xpath基本语法
lxml模块是Python的一个解析库，主要用于解析HTML和XML文件。
一、安装导入
使用包管理器安装，在cmd下或编辑器下的控制台，运行：
pip install lxml导入：
from lxml import etree二、xpath基础知识
XPath（XML Path Language，即XML路径语言）是一种在XML文档中查找信息的语言。它基于XML的树状结构，使用路径表达式来选取XML文档中的节点或节点集
- //:代表寻找所有（如：//div，找到的就是页面所有的div标签）
- /:代表从根节点找一个
- @：寻找属性（如：//div[@class='123']，找到的是所有class属性值为123的标签）
也可以寻找属性值：//div/@class。找到的是所有div的class属性值
可以结合节点选择器使用，如 //book[@price>35] 表示选择所有 price 属性值大于35的 book 元素。
- 当前节点：使用点
.表示选取当前节点。 - 父节点：使用两个点
..表示选取当前节点的父节点。 *匹配任何元素名。例如，//*表示选择文档中的所有元素。@*匹配任何属性名。例如，//book[@*]表示选择所有具有至少一个属性的book元素。- 谓词用于进一步筛选满足条件的节点，它被嵌在方括号
[]中。例如，/root/child[1]表示选择root元素的第一个child子元素。 - 谓词可以使用比较运算符（如
=、!=、<、>等）、逻辑运算符（如and、or、not）和XPath函数（如last()、position()、starts-with()、contains()等）。 child::选择当前节点的子元素节点。attribute::选择当前节点的属性。descendant::选择当前节点的所有后代节点。parent::选择当前节点的父节点。ancestor::选择当前节点的所有祖先节点。following-sibling::选择当前节点之后的同级节点。preceding-sibling::选择当前节点之前的同级节点
三、案例
比如我们有一个数据：
html_data = '''
<div>
<ul>
<li class="item-0"><a href="link1.html">first item</a></li>
<li class="item-1"><a href="link2.html">second item</a></li>
<li class="item-inactive"><a href="link3.html"><span class="bold">third item</span></a></li>
<li class="item-1"><a href="link4.html">fourth item</a></li>
<li class="item-0"><a href="link5.html">fifth item</a>
</ul>
</div>
'''我们可以看出，这个数据并不是一个完整的html的结构，但是，xpath需要通过结构路径寻找节点，所以我们需要补全结构，而且要把这个数据解析为element对象才可以通过xpath对其操作，所以我们用到以下语法：
html=etree.HTML(html_data)etree.HTML()：将字符串形式的HTML代码解析为Element对象。该函数会自动补全缺失的标签，并尝试修正HTML代码中的错误。括号中是要解析的数据，html是他解析后返回的element对象。
接下来我们就可以对这个数据进行操作了
案例1：
拿到第二个li的class值：
html.xpath("//li[2]/@class")案例2：
拿到最后一个li的a标签的href属性值：
html.xpath("//li[last()]/a/@href")案例3：
根据属性值获取元素内容
html.xpath("//li/a[@href='link1.html']/text()")