Xpath节点选择大数据采集技术与应用28课件讲解.pptxVIP

Xpath节点选择大数据采集技术与应用

1.熟悉XPath的路径表达式

Xpath节点选择选取节点XPath使用路径表达式在XML文档中选取节点，节点是通过沿着路径或者step来选取的。常用路径的表达式如下表：表达式描述nodename选取此节点的所有子节点。/从根节点选取。//从匹配选择的当前节点选择文档中的节点，而不考虑它们的位置。.选取当前节点。..选取当前节点的父节点。@选取属性。

Xpath节点选择路径表达式描述music_store选取music_store元素的所有子节点（包括其下方的所有album元素）。/music_store选取根元素music_store。music_store/album选取直接属于music_store元素的所有album元素。//album选取文档中的所有album元素，不论它们在文档中的什么位置。//album/artist选取所有album元素的直接子元素artist。//album[@category=pop]选取所有category属性值为pop的album元素。//album[2]/artist选取文档中第二个album元素的artist子元素（即Nirvana）。//album[price15]/title选取价格(price)大于15的album的title元素。//@lang选取所有名为lang的属性值（在本例中会返回en）。//title/@lang选取所有title元素的lang属性值。

Xpath节点选择xml_data=

?xmlversion=1.0encoding=UTF-8?

music_store

albumcategory=pop

titleDivide/title

artistEdSheeran/artist

year2017/year

tracks16/tracks

price15/price

/album

albumcategory=rock

titlelang=enNevermind/title

artistNirvana/artist

year1991/year

tracks12/tracks

price18/price

/album

/music_store

fromlxmlimportetree

#解析XML字符串，生成ElementTree

cleaned_xml_data=xml_data.strip()

tree=etree.fromstring(cleaned_xml_data.encode(utf-8))

Xpath节点选择提取所有album元素下的title文本内容。XPath表达式描述//album/title/text()选取所有album子元素下的title元素的文本内容。xpath_expr_1=//album/title/text()

titles=tree.xpath(xpath_expr_1)

fortitleintitles:

print(f专辑标题:{title})输出：专辑标题:Divide专辑标题:Nevermind

Xpath节点选择仅提取category属性值为rock的专辑的艺术家(artist)文本内容。XPath表达式描述//album[@category=rock]/artist/text()选取category属性为rock的album下的artist文本。xpath_expr_2=//album[@category=rock]/artist/text()artists=tree.xpath(xpath_expr_2)forartistinartists:print(f摇滚艺术家:{artist})输出：摇滚艺术家:Nirvana

Xpath节点选择找出价格(price)大于15的专辑，并提取它们的发行年份(year)和可能的语言属性(lang)。XPath表达式描述//album[price15]选取所有price子元素的值大于15的album元素。xpath_expr_3=//album[price15]high_priced_albums=tree.xpath(xpath_expr_3)foralbum_elementinhigh_