基础

除了正则表达式之外，还有一些非常好用的信息筛选工具，比如XPath表达式、BeautifulSoup等

  • / 逐层提取
  • text()提取标签下面的文本
  • //标签名**
  • //标签名[@属性=’属性值’]提取属性为XX的标签
  • @属性名 代表取某个属性值

实例

<html>
    <head>
        <title>主页</title>
    </head>
    <body>
        <p>abc</p>
        <p>bbbvb</p>
        <a href="//qd.alibaba.com/go/pcdetail" target="_top">安全推荐</a>
        <a href="//qd.alibaba.com/go/pcdetail" target="_top">安全推荐2</a>
        <div class="J AsyncDC" data-type="dr">
        <div id="official-remind">
            明月几时有
        </div> 
    </div>
</body>
XPath表达式 提取内容
/html/head/title/text() 主页
//p/text() [‘abc’,’bbbvb’]
//a 提取所有的a标签
//div[@id=’official-remind’]/text() 明月几时有
//a/@href //qd.alibaba.com/go/pcdetail