【爬虫】Xpath和CSS信息提取的方法异同点

类似点：

1. Xpath与css都有web页面定位元素的功能
2. Xpath与css结构类似

区别：

1. Xpath比较强大，而css选择器在性能上更优，运行速度更快，语法更简洁

• CSS再chrome，火狐查找速度快，效率高，xpath在IE游览器相对慢些（IE游 览器无论是css还是xpath都比谷歌，火狐要慢（IE没有自己的xpath解析器 （Parser）））
• 当查找元素比较简单，用css没错，如果复杂，用xpath比较好

2. CSS不支持文本搜索，xpath支持文本搜索text()

3. Xpath调用extract()获得对象元素文本列表，使用extract_first()获取列表第一个元素值；

4. 直接子元素：Xpath中的直接子元素使用”/”定义的，而在css中，它是使用”>”定义的；

        Xpath://div/input

        Css:div > input

5. 后代元素：如果一个元素在另一个元素的内部（子孙元素），则它在xpath中使用”//”定义，而在css中仅使用空格定义；

        Xpath://div//input

        Css:div input

6. ID定位：XPATH中的元素id使用以下内容定义："[@id=‘kw’]"，而在CSS中使用："#kw"；

        Xpath://input[@id=’kw’]

        Css:input # kw

7. Class定位：对于class属性，xpath类似id，而css中用一个点表示(xpath可用点连续调用)；

        Xpath://input[@class=”s_ipt”]

        Css:input.s_ipt

8. 哥哥元素：preceding-sibling 前兄弟（页面中位于同一父节点内的上一个相邻元素）；

        Xpath://a[@name=’tj_baike’]/preceding-sibling::a

        Css:无法实现

9. 弟弟元素：following-sibling 继兄弟（这对于表单元素非常有用，即页面中位于同一父节点内的下一个相邻元素）；

        Xpath://input[@class=”s_ipt”]/following-sibling::a

        Css:input[class=”s_ipt”] + a  （~所有同级别的兄弟结点）

10. 父结点元素：页面中位于一个结点的上级元素；

        Xpath://input/parent

        Css:无法实现

11. 属性值：我们可以根据属性值定位元素；

        Xpath://input[@name=’username’]

        Css:input[name=’username’]

12. 多个属性值:我们甚至可以通过多个属性来定位元素；

        Xpath://input[@name=’rsv_spt’ and @value=”1”]

        Css:input[name=’login’][type=’submit’]

13. 选择一个元素的第n个结点；

        Xpath:[position()=n]

        Css:无法实现

14. 第一个子元素；

        Xpth://div[@id=’u1’]/a[1]     （extract_first()）

        Css:div # u1 a:first-child

15. 最后一个子元素；

        Xpath://div[@id=’u1’]/a[last()]

        Css:div # u1 a:last-child

16. 第二个子元素；

        Xpth://div[@id=’u1’]/a[2]                   

        Css:div # u1 a:nth-child(2)

17. 模糊匹配:selenium中允许使用^=，$=或*=进行部分字符串匹配

^=匹配前缀

        Xpth:input[starts-with(@id,’user’)]

        Css:input[id^=’name’]

$=匹配后缀

        Xpath:input[ends-with(@id,’name’)]

        Css:input[id$=’name’]

*=匹配包含

        Xpth:input[contains(@id,’sernam’)]

        Css:input[id*=sernam]