HTML文件其實就是由一組尖括號構成的標簽組織起來的，每一對尖括號形式一個標簽，標簽之間存在上下關系，形成標簽樹；XPath 使用路徑表達式在 XML 文檔中選取節點。節點是通過沿著路徑或者 step 來選取的。

首先進入京東網，輸入自己想要查詢的商品，向服務器發送網頁請求。在這里小編仍以關鍵詞“狗糧”作為搜索對象，之后得到后面這一串網址：

https://search.jd.com/Search?keyword=%E7%8B%97%E7%B2%AE&enc=utf-8，其中參數的意思就是我們輸入的keyword，在本例中該參數代表“狗糧”，具體詳情可以參考Python大神用正則表達式教你搞定京東商品信息。所以，只要輸入keyword這個參數之后，將其進行編碼，就可以獲取到目標URL。之后請求網頁，得到響應，爾后利用bs4選擇器進行下一步的數據采集。

商品信息在京東官網上的部分網頁源碼如下圖所示：

狗糧信息在京東官網上的網頁源碼

仔細觀察源碼，可以發現我們所需的目標信息是存在<li data-sku='*****' class='gl-item'>標簽下的，那么接下來我們就像剝洋蔥一樣，一層一層的去獲取我們想要的信息。

通常URL編碼的方式是把需要編碼的字符轉化為%xx的形式，一般來說URL的編碼是基于UTF-8的，當然也有的于瀏覽器平臺有關。在Python的urllib庫中提供了quote方法，可以實現對URL的字符串進行編碼，從而可以進入到對應的網頁中去。

在線復制Xpath表達式

很多小伙伴都覺得Xpath表達式很難寫，其實掌握了基本的用法也就不難了。在線復制Xpath表達式如上圖所示，可以很方便的復制Xpath表達式。但是通過該方法得到的Xpath表達式放在程序中一般不能用，而且長的沒法看。所以Xpath表達式一般還是要自己親自上手。

直接上代碼，利用Xpath去提取目標信息，如商品的名字、鏈接、圖片和價格，具體的代碼如下圖所示：

爬蟲代碼

在這里，小編告訴大家一個Xpath表達式匹配技巧。之前看過好幾篇文章，大佬們都推薦Xpath表達式使用嵌套匹配的方式。在本例中，首先定義items，如下所示：

items = selector.xpath(’//li[@class='gl-item']’)

之后通過range函數，逐個從網頁中進行匹配目標信息，而不是直接通過復制Xpath表達式的方式一步到位。希望小伙伴們以后都可以少入這個坑~~

最后得到的效果圖如下所示：

最終效果圖

新鮮的狗糧再一次出爐咯~~~

小伙伴們，有沒有發現利用Xpath來獲取目標信息比正則表達式要簡單一些呢？

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持好吧啦網。