Python爬虫11-XML与XPath概述及lxml库的应用

GitHub代码练习地址：用lxml解析HTML,文件读取,etree和XPath的配合使用：https://github.com/Neo-ML/PythonPractice/blob/master/SpiderPrac17_xpath%26lxml.py

XML
- XML(EXtensibleMarkupLanguage)   
- 官方文档http://www.w3school.com.cn/xml/index.asp
- 概念：父节点，子节点，先辈节点，兄弟节点，后代节点

XPath
- XPath(XML Path Language), 是一门在XML文档中查找信息的语言，
- 官方文档： http://www.w3school.com.cn/xpath/index.asp
- XPath开发工具
    - 开源的XPath表达式工具： XMLQuire
    - chrome插件： Xpath Helper
    - Firefox插件： XPath CHecker

- 常用路径表达式：
    - nodename: 选取此节点的所有子节点
    - /: 从根节点开始选
    - //: 选取元素，而不考虑元素的具体为止
    - .:  当前节点
    - ..:父节点
    - @： 选取属性
    - 案例：
        - booksotre: 选取bookstore下的所有子节点
        - /booksotre: 选取根元素
        - booksotre/book: 选取bookstore的所有为book的子元素
        - //book: 选取book子元素
        - //@lang:选取名称为lang的所有属性

- 谓语(Predicates)
    - 谓语用来查找某个特定的节点，被镶嵌在方括号中
    - /bookstore/book[1]: 选取第一个属于bookstore下叫book的元素
    - /bookstore/book[last()]: 选取最后一个属于bookstore下叫book的元素
    - /bookstore/book[last()-1]: 选取倒数第二个属于bookstore下叫book的元素
    - /bookstore/book[position()<3]: 选取属于bookstore下叫book的前两个元素
    - /bookstore/book[@lang]: 选取属于bookstore下叫book的,含有属性lang元素
    - /bookstore/book[@lang="cn"]: 选取属于bookstore下叫book的,含有属性lang的值是cn的元素
    - /bookstore/book[@price < 90]: 选取属于bookstore下叫book的,含有属性price的，且值小于90的元素
    - /bookstore/book[@price < 90]/title: 选取属于bookstore下叫book的,含有属性price的，且值小于90的元素的子元素title

- 通配符
    - `*` : 任何元素节点
    - @*： 匹配任何属性节点
    - node(): 陪陪任何类型的节点

- 选取多个路径
    - //book/tile  | //book/author : 选取book元素中的title和author元素
    - //tile | //price: 选取文档中所有的title和price元素

lxml库
- python的HTML/XML的解析器
- 官方文档：   http://lxml.de/index.html
- 功能：
    - 解析HTML
    - 文件读取
    - etree和XPath的配合使用