etree.xpath方法中“//”和“/*/”的区别

在XPath中，“//”和“/*/”都是用来定位XML文档中的元素节点的路径表达式。

“//”表示选择文档中任意位置的元素节点，不论它在文档中的哪个位置，只要是元素节点都会被选中。

例如，使用“//”定位XML文档中所有的book元素节点，可以使用以下XPath表达式：

//book

“/*/”表示选择文档根节点下的所有子元素节点，只有直接作为根节点子节点的元素才会被选中。

例如，使用“/*/”定位XML文档中所有的book元素节点，可以使用以下XPath表达式：

/*/book

可以看出，“//”和“/*/”的区别在于选择的元素节点范围不同。如果要选择整个文档中的元素节点，可以使用“//”；如果只想选择根节点下的子元素节点，则可以使用“/*/”。

相关问题

html_etree = etree.HTML(repones) #利用lxml解析上面爬取的html文件 html_etree = etree.HTML(repones) #过滤 li = html_etree.xpath('//*[@id="content"]/div/div[1]/ol/li') for a in li: #电影名称 name = a.xpath('./div/div[2]/div[1]/a/span[1]/text()')[0] # print (name) #链接 dy_url = a.xpath('./div/div[2]/div[1]/a/@href')[0] # print (dy_url) #评分 rating = a.xpath('./div/div[2]/div[2]/div/span[1]/@class')[0] # print (rating) rating_num = a.xpath('./div/div[2]/div[2]/div/span[2]/text()')[0] # print (rating_num) content = a.xpath('./div/div[2]/div[2]/div/span[4]/text()')[0] print (content,name,dy_url,rating,rating_num)

根据你提供的代码，你使用了 `lxml` 库对爬取到的 HTML 内容进行解析，并从中提取了电影名称、链接、评分等信息。

首先，你使用 `etree.HTML()` 方法将 `repones`（即爬取到的 HTML 内容）传递给 `etree.HTML`，以便使用 `lxml` 解析库解析 HTML。

然后，你使用 `xpath()` 方法从解析后的 HTML 树中提取所需的信息。在这个例子中，你使用了 XPath 表达式来定位电影列表的每个 `<li>` 元素。然后，对于每个 `<li>` 元素，你使用 XPath 表达式来提取电影名称、链接、评分等信息。

最后，你使用 `print()` 函数将提取到的电影信息打印出来。

请注意，代码中的 XPath 表达式是根据具体页面结构编写的，如果你爬取的网页结构有所变化，可能需要相应调整 XPath 表达式来匹配正确的元素。

import requests from lxml import etree import csv headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36' } f = open('4399排行.csv', mode='w', encoding='utf-8-sig', newline='') csv_writer = csv.DictWriter(f, fieldnames=[ '游戏名称','日期','类型']) csv_writer.writeheader() for i in range(1,11): if i == 1: url = 'https://www.4399.com/flash/game100.htm' html = requests.get(url,headers=headers).content doc = etree.HTML(html) name = doc.xpath('//*[@id="list"]/li/div/a/text()') kind = doc.xpath('//*[@id="list"]/li/span/a/text()') date = doc.xpath('//*[@id="list"]/li/span/text()') data_list = [] for i in range(len(name)): dit = {} dit['游戏名称'] = name[i] dit['类型'] = kind[i] dit['日期'] = date[i] data_list.append(dit) csv_writer.writerow(dit) else: url = 'https://www.4399.com/flash/game100_{}.htm'.format(str(i)) html = requests.get(url,headers=headers).content doc = etree.HTML(html) name = doc.xpath('//*[@id="list"]/li/div/a/text()') kind = doc.xpath('//*[@id="list"]/li/span/a/text()') date = doc.xpath('//*[@id="list"]/li/span/text()') data_list = [] for i in range(len(name)): dit = {} dit['游戏名称'] = name[i] dit['类型'] = kind[i] dit['日期'] = date[i] data_list.append(dit) csv_writer.writerow(dit) print(data_list)怎么改是爬取的时间只保存到月份

可以在爬取日期的代码处，对日期进行处理，只保留到月份。可以使用Python的datetime模块来实现。具体代码如下：

import requests 
from lxml import etree 
import csv 
from datetime import datetime

headers = {         
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36'     
}    

f = open('4399排行.csv', mode='w', encoding='utf-8-sig', newline='') 
csv_writer = csv.DictWriter(f, fieldnames=[ '游戏名称','日期','类型']) 
csv_writer.writeheader()   

for i in range(1,11):        
    if i == 1:         
        url = 'https://www.4399.com/flash/game100.htm'         
        html = requests.get(url,headers=headers).content         
        doc = etree.HTML(html)         
        name = doc.xpath('//*[@id="list"]/li/div/a/text()')         
        kind = doc.xpath('//*[@id="list"]/li/span/a/text()')         
        date = doc.xpath('//*[@id="list"]/li/span/text()')         
        data_list = []         
        for i in range(len(name)):             
            dit = {}             
            dit['游戏名称'] = name[i]             
            dit['类型'] = kind[i]             
            # 对日期进行格式化，只保留到月份
            dit['日期'] = datetime.strptime(date[i], '%Y-%m-%d').strftime('%Y-%m')             
            data_list.append(dit)             
            csv_writer.writerow(dit)     
    else:         
        url = 'https://www.4399.com/flash/game100_{}.htm'.format(str(i))         
        html = requests.get(url,headers=headers).content         
        doc = etree.HTML(html)         
        name = doc.xpath('//*[@id="list"]/li/div/a/text()')         
        kind = doc.xpath('//*[@id="list"]/li/span/a/text()')         
        date = doc.xpath('//*[@id="list"]/li/span/text()')         
        data_list = []         
        for i in range(len(name)):             
            dit = {}             
            dit['游戏名称'] = name[i]             
            dit['类型'] = kind[i]             
            # 对日期进行格式化，只保留到月份
            dit['日期'] = datetime.strptime(date[i], '%Y-%m-%d').strftime('%Y-%m')             
            data_list.append(dit)             
            csv_writer.writerow(dit)      
    print(data_list)

在上述代码中，我们使用了datetime模块中的strftime方法来将日期格式化为只保留到月份的格式。具体来说，我们使用了`'%Y-%m-%d'`格式来解析原始日期，然后使用`'%Y-%m'`格式来格式化日期。这样就可以实现只保存到月份的效果。