注意：在使用xpath解析数据时，需要将数据来源改为是IE浏览器的USER-AGENT，否则会出现浏览器中可行的xpath代码，但是在程序中却用不了
这里提供IE9的header
Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Win64; x64; Trident/5.0)XPath即为XML路径语言，它是一种用来确定XML（标准通用标记语言的子集）文档中某部分位置的语言。XPath基于XML的树状结构，提供在数据结构树中找寻节点的能力。 xPath 同样也支持HTML.
XPath 是一门小型的查询语言，这里我们将它与 python 爬虫相结合来介绍。
step1: 安装 lxml 库。
step2: from lxml import etree
step3: Selector = etree.HTML(网页源代码)
step4: Selector.xpath(一段神奇的符号)
XPath 使用路径表达式来选取 XML 文档中的节点或节点集。节点是通过沿着路径 (path) 或者步 (steps) 来选取的。
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。
假设有如下的文档：
<?xml version="1.0" encoding="ISO-8859-1"?><bookstore> <book> <title lang="eng">Harry Potter</title> <price>29.99</price> </book> <book> <title lang="eng">Learning XML</title> <price>39.95</price> </book></bookstore>下面列出了最有用的路径表达式：
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@选取属性在下面的表格中，我们已列出了一些路径表达式以及表达式的结果：
路径表达式结果bookstore选取 bookstore 元素的所有子节点/bookstore选取根元素 bookstore。 注释：假如路径起始于正斜杠( / )，则此路径始终代表到某元素的绝对路径！bookstore/book选取属于 bookstore 的子元素的所有 book 元素//book选取所有 book 子元素，而不管它们在文档中的位置bookstore//book选择属于 bookstore 元素的后代的所有 book 元素，而不管它们位于 bookstore 之下的什么位置//@lang选取名为 lang 的所有属性鉴于篇幅的，只列出了 xpath 的部分语法，更多实例，可以参考 w3chool 的资料
假设有如下 html 源码：
<div id="content"> <ul id="useful"> <li>有效信息1</li> <li>有效信息2</li> <li>有效信息3</li> </ul> <ul id="useless"> <li>无效信息1</li> <li>无效信息2</li> <li>无效信息3</li> </ul></div><div id="url"> <a href="http://cighao.com">陈浩的博客</a> <a href="http://cighao.com.photo" title="陈浩的相册">点我打开</a></div>我们假设把上面的源码已经赋值给了字符串变量 html :
from lxml import etree# 假设已经存在 html 变量，值为上面的源码selector = etree.HTML(html)# 提取 li 中的有效信息123content = selector.xpath('//ul[@id="useful"]/li/text()')for each in content: print(each)#提取 a 中的属性link = selector.xpath('//a/@href')for each in link: print(each)title = selector.xpath('//a/@title')for each in title: print(each)