Python Day6 爬虫-lxml和多线程

Day6 lxml和多线程

1. xpath语法

1.1 xpath基本概念

引入模块

from lxml import etree
1

1）树：
2）节点：树结构中的每一个元素（标签）就是一个节点
3）根节点（根元素）：html或者xml最外面的那个标签（元素）
4）节点内容：标签内容
5）节点属性：标签属性

1.2 xml数据格式

xml和json一样，是一种通过的数据格式（绝大部分编程语言都支持的数据格式）
xml是通过标签（元素）的标签内容和标签属性来保存数据的。

注：先保存一个文件名为data.html的超市信息（模拟网页））

<supermarket name="永辉超市" address="肖家河大厦">
    <staffs>

        <staff  id="s001">
            <name>小明name>
            <position>收营员position>
            <salary>4000salary>
        staff>

        <staff  id="s002">
            <name>小花name>
            <position>促销员position>
            <salary>3500salary>
        staff>

        <staff  id="s003">
            <name>张三name>
            <position>保洁position>
            <salary>3000salary>
        staff>

        <staff  id="s004">
            <name>李四name>
            <position>收营员position>
            <salary>4000salary>
        staff>

        <staff  id="s005">
            <name>王五name>
            <position>售货员position>
            <salary>3800salary>
        staff>

    staffs>

    <goodsList>

        <goods discount="0.9">
            <name>泡面name>
            <price<
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39