1.什么是xml （1）定义：xml称为可扩展标记性语言。 （2）特点：xml具有自描述特性。是一种半结构化数据。 （3）作用：xml的设计宗旨是用来传输数据。 2.xml和html的区别。 （1）语法要求不同：xml的语法要求更严格。 1、在html中不区分大小写，在xml中严格区分 2、在html中，有时不严格，如果上下文清楚地显示出段落或者列表键在何处结尾，那么你可以省略</p>或者</li>标记。在xml中，是严格的树状结构，绝对不能省略任何标记。 3、在xml中，拥有单个标记而没有匹配的结束标记的元素必须用一个/字符作为结尾。<a href=’www’/> 4、在xml中，属性值必须封装在引号中。在html中，引号可用可不用。 5、在html中属性名可以不带属性值，xml必须带。 6、xml文档中，空白部分不会被解析器自动删除，但是html是过滤掉空格。 （2）作用不同：xml主要用来传输数据。html主要用来显示数据，以及更好的显示数据。 （3）标记不同：xml没有固定的标记。html标签是固定的。 3.xpath （1）什么是xpath？ xpath是一种语法，用来提取xml或者html页面内容的语法。 （2）xpath语法内容 元素：指一个xml的标签以及标签的所有内容 属性：class，name 内容：a标签的内容就是aaa，b标签的内容就是bbb 标签：和元素一样。 <a> aaa <b>bbb</b> </a> 1.选取节点 nodename ----选取此标签的所有子标签。 / ----从根节点开始选取 // -----从任意位置开始选取。 . ---选取当前节点 .. ---选取父节点 @ ---选取属性 text() ---选取内容 2.谓语 英语中谓语用来限定。 xpath的谓语也是限定选取的内容的。 /bookstore/book[1]---表示取bookstroe下面的第一个book标签。 /bookstore/book[last()]---表示取bookstroe下面的最后一个book标签 /bookstore/book[last()-1]---表示取bookstroe下面倒数第二个book标签 /bookstore/book[position()>1]---表示从bookstroe下面的第二本书开始取 //title[@lang] ---取一个有lang属性的title标签。 //title[@lang="eng"] ---取一个有lang属性,并且lang属性为eng的title标签。 3.选取未知节点 * ---匹配任意节点 @* --匹配任意属性 4.选取若干路径 //title|//price -- 选取所有的title标签和price标签。 4.在python中如何使用xpath？ 通过lxml模块，可以使用xpath语法来筛选元素。 #导包 from lxml import etree (1)将字符串形式的xml内容解析成可以调用xpath语法的element对象的方法。 html_element = etree.HTML(html_str) html_element.xpath()--->返回值也是一个element，表示还可以继续调用xpath方法来继续筛选元素。 etree.HTML()可以帮我们补齐标签内容。 （2）将一个html文件转化成element对象的方法。 from lxml import etree html = etree.parse('demo.html') # print(html) print(etree.tostring(html,pretty_print=True,encoding='utf-8').decode('utf-8')) 当使用parse方法解析一个xml或者html文件时，语法必须严格按照xml的标签语法。标签必须对应。
