解析神器Xpath：
1. 什么是Xpath
XPath即为XML路径语言（XML Path Language），它是一种用来确定XML文档中某部分位置的语言。
XPath基于XML的树状结构，提供在数据结构树中找寻节点的能力。起初XPath的提出的初衷是将其作为一个通用的、介于XPointer与XSL间的语法模型。但是XPath很快的被开发者采用来当作小型查询语言。
2. Xpath解析网页的流程
- 首先通过Requests库获取网页数据
- 通过网页解析，得到想要的数据或者新的链接
- 网页解析可以通过Xpath或者其它解析工具进行，Xpath在是一个非常好用的网页解析工具
3. 常用的网页解析
- 正则表达式使用比较困难，学习成本较高
- BeautifulSoup性能较慢，相对于Xpath较难，在某些特定场景下有用
- Xpath使用简单，速度快（Xpath是lxml里面的一种），是抓取数据最好的选择
Xpath的使用：
1. 使用Xpath解析网页数据的步骤
- 从lxml导入etree
- 解析数据，返回xml结构
- 使用.xpath()寻找和定位数据
import requests
from lxml import etree
url="https://book.douban.com/subject/27147922/comments/"
r=requests.get(url).text ##html数据，使用requests获取
##print (r)|
s = etree.HTML(r) #解析html数据
print(s.xpath('//*[@id="comments"]/ul[1]/li[1]/div[2]/p'))#使用.xpath()[<Element p at 0x1d992e8b808>]
print(s.xpath('//*[@id="comments"]/ul[1]/li[1]/div[2]/p/text()'))## 获取文本，加上 /text()['最喜欢《姐妹》这一篇：女性之间有一种镜像的关系，通过对方可以看到自己，看到自己深处的处境。']
2. 获取Xpath的方法
第一种方法：从浏览器直接复制
- 首先在浏览器上定位到需要爬取的数据
- 右键，点击“检查”，在“Elements”下找到定位到所需数据
- 右键——Copy——Copy Xpath，即可完成Xpath的复制
第二种方法：手写Xpath
- 获取文本内容用 text()
- 获取注释用 comment()
- 获取其它任何属性用@xx，如：
src
value
- 想要获取某个标签下所有的文本（包括子标签下的文本），使用string
如”< p>123< a>来获取我啊< /a>< /p>”，这边如果想要得到的文本为”123来获取我啊”，则需要使用string - starts-with 匹配字符串前面相等
- contains 匹配任何位置相等
#手写Xpath
import requests
from lxml import etree
url = 'https://book.douban.com/subject/1084336/comments/'
r = requests.get(url).text
s = etree.HTML(r)
print(s.xpath('//div[@class="comment"]/p/text()')[0])十几岁的时候渴慕着小王子，一天之间可以看四十四次日落。是在多久之后才明白，看四十四次日落的小王子，他有多么难过。
实战环节
使用Xpath爬取豆瓣图书《小王子》短评网页
import requests
from lxml import etree
url = 'https://book.douban.com/subject/1084336/comments/'
r = requests.get(url).text
s = etree.HTML(r)
#从浏览器复制第一条评论的Xpath
print(s.xpath('//*[@id="comments"]/ul/li[1]/div[2]/p/text()'))
#从浏览器复制第二条评论的Xpath
print(s.xpath('//*[@id="comments"]/ul/li[2]/div[2]/p/text()'))
#从浏览器复制第三条评论的Xpath
print(s.xpath('//*[@id="comments"]/ul/li[3]/div[2]/p/text()'))
#掌握规律，删除li[]的括号，获取全部短评
#print(s.xpath('//*[@id="comments"]/ul/li/div[2]/p/text()'))
#手写Xpath获取全部短评
#print(s.xpath('//div[@class="comment"]/p/text()'))['十几岁的时候渴慕着小王子，一天之间可以看四十四次日落。是在多久之后才明白，看四十四次日落的小王子，他有多么难过。']
['读了好多年，终于读完了，但是实在共鸣不起来，虽然知道那些道理，但真的觉得没什么了不起啊，是我还太幼稚吗？']
['我早该猜到，在她那可笑的伎俩后面是缱绻柔情啊。花朵是如此的天真无邪，可是，我毕竟太年轻了，不知该如何去爱她。']
- 通过对比可以发现从浏览器复制的Xpath中，“li[]”括号中的数字代表对应的第几条评论，直接删除括号，即可获取全部短评
- 对于结构清晰的html网页，可以直接手写Xpath，更加简洁且高效
- 对于结构复杂的html网页，可以通过浏览器复制的方式获取Xpath
