篇三：XPath--解析Html

导语：爬虫爬取的界面，大致分为静态界面、ajax异步加载、动态界面。静态界面直接获取HTML对象，然后使用XPath获取值

最有用的路径表达式：

一、获取HTML对象

//import us.codecraft.webmagic.selector.Html;
Html html= page.getHtml();

二、常用列举

//查询所有id=‘ne_article_source’的节点的文本值
String source=page.getHtml().xpath("//*[@]/text()").get();

//查询所有id=‘endText’下p节点的文本，查询的是列表
List<String> contextList=page.getHtml().xpath("//*[@]/p/text()").all();

//查询所有下p包含的图片的src列表
List<String> imgurlList=page.getHtml().xpath("//*[@]/p/img/@src").all();

//查询所有下p包含的图片对象列表
List<String> imgurlList=page.getHtml().xpath("//*[@]/p/img").all();

三、实际应用

　　1、直接使用浏览器调试工具，获取元素XPath

　　　 Google:http://blog.csdn.net/li6727975/article/details/46126079

　　　 FireFox：http://jingyan.baidu.com/article/0a52e3f4345772bf62ed72b1.html

　　　 360:F12-->Elements-->选中元素，右键“Copy XPath”

　　2、学习地址：http://www.w3school.com.cn/xpath/xpath_syntax.asp