一、知识回顾（读完直接做下面的实践题）#

1. 从根节点的直接子元素开始找用 /；从任意位置选节点用 //；在当前节点下查找用 .；在当前节点下任意位置查找用 .//
2. 路径写法：//div/p/text() 里的 // 表示从任意位置开始找，/p 的 / 表示选直接子（下一层）元素，text() 表示取元素里的文本内容；要取属性值就把 text() 换成 @属性名
3. 序号从 1 开始数；选第 2 个元素写成 [2]；选最后一个写作 [last()]；选倒数第二个写作 [last()-1]
4. 选择有该属性的元素写成 //p[@class]；选择属性值等于指定值的写成 //p[@class='xn']；取属性值本身的写法是 @href（如取链接地址）；属性值两边要用引号包起来
5. 匹配任何元素节点用 *；匹配元素的任何属性用 @*；//thead/tr/*/text() 里的 * 代表任意（任何）标签；把它换成 th，结果一样
6. 配合 lxml：解析 HTML 字符串要调 html.fromstring() 方法；文档对象调 XPath 的方法名是 xpath()；返回结果是列表；读文件时 open() 要写 encoding="utf-8"，否则中文会乱码
7. 表格定位：表头那一行写成 //thead/tr/th/text()；第 2 行数据写成 //tbody/tr[2]/td/text()；最后一行数据用 [last()]；//td 是从任意位置找 td，而 //table/td 是从 table 的**直接子元素（下一层）**找
8. //div[2]/p[last()]/text()：div[2] 表示同级里的第 2 个 div 子元素；p[last()] 表示这个 div 里的最后一个 p；text() 表示取文本内容；要一次取到所有链接的地址，表达式是 //a/@href

二、裸写题#

练习素材是 练习库里的 resources/xpath_practice.html（练习目录 46-Xpath语法/，用 lxml 打开它跑一遍看结果）：

• 2-1 取 <h1> 的文本

  提示（先自己想，实在想不出再点开）

  一级 · 思路：先想”从哪儿找”（路径），再想”要元素本身，还是要它的文本” 二级 · 方法：定位用 //；取文本用 text() 三级 · 骨架：//h1/____

  参考答案（做完再点开）

  1
  //h1/text()                     # 也可写 /html/body/div[1]/h1/text()

• 2-2 取链接 <a> 的 href 属性值（注意页面里有一个链接没有地址，看它会不会出现在结果里）

  提示（先自己想，实在想不出再点开）

  一级 · 思路：这一题要的不是文本，而是元素身上的属性值 二级 · 方法：取属性值直接在属性名前加 @ 三级 · 骨架：//a/____

  参考答案（做完再点开）

  1
  //a/@href

• 2-3 取”有 target 属性且值为 _blank”的 <a> 的文本

  提示（先自己想，实在想不出再点开）

  一级 · 思路：先用方括号按”带什么条件”把元素筛出来，再取它的文本 二级 · 方法：带条件用 [@属性='值']；取文本用 text() 三级 · 骨架：//a[@____='_blank']/____

  参考答案（做完再点开）

  1
  //a[@target='_blank']/text()

• 2-4 取第二个 <div> 里最后一个 <p> 的文本

  提示（先自己想，实在想不出再点开）

  一级 · 思路：路径分两段：先定位”第几个 div”，再定位这个 div 里”最后一个 p”，最后取文本 二级 · 方法：第几个用 [n]；最后一个用 [last()]；取文本用 text() 三级 · 骨架：//div[____]/p[____]/____

  参考答案（做完再点开）

  1
  //div[2]/p[last()]/text()

1
from lxml import html
2

3
with open("resources/xpath_practice.html", "r", encoding="utf-8") as f:
4
    document = html.fromstring(f.read())
5

6
for expr in ["//h1/text()", "//a/@href", "//a[@target='_blank']/text()", "//div[2]/p[last()]/text()"]:
7
    print(expr, "->", document.xpath(expr))

1
//h1/text() -> ['Xpath 练习页']
2
//a/@href -> ['https://www.itcast.cn', 'https://www.baidu.com']
3
//a[@target='_blank']/text() -> ['百度一下']
4
//div[2]/p[last()]/text() -> ['段落三：我是第二个 div 里最后一个 p，只有我能被末尾定位取到。']