XPath 是一門在 XML 文檔中查找信息的語言。XPath 可用來在 XML 文檔中對元素和屬性進行遍歷。XPath 是 W3C XSLT 標準的主要元素，并且 XQuery 和 XPointer 都構建于 XPath 表達之上。
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。用 XPath 解析網頁的內容，就是確定所取內容的路徑，即從大范圍縮小到具體的位置。
| 表達式 | 描述 |
|---|---|
| nodename | 選取此節點的所有子節點 |
| / | 從根節點選取。 |
| // | 從匹配選擇的當前節點選擇文檔中的節點，而不考慮它們的位置。(相對路徑) |
| . | 選取當前節點。 |
| .. | 選取當前節點的父節點。 |
| @ | 選取屬性。 |
text() 提取文本內容
@xxx 提取屬性內容
找到XPath兩種方法，一種是手動分析，需要對HTML結構熟悉，了解標簽嵌套層級；另一種是Chrome 工具copy，同時要結合網頁標簽的進行校驗。
還是以糗事百科段子笑話為例 http://www.qiushibaike.com/text/
拷貝出來的XPath內容如下：
//*[@id="qiushi_tag_118963704"]/a/div/span/text()
注意，這里[@id="qiushi_tag_118963704"] 指的是div class="article block untagged mb15" ，是唯一的。如果想取出所有的位置的段子內容，就不能做唯一限定。修改為：
//div[@class="article block untagged mb15"]/a/div/span/text()
網頁標簽id是唯一的，class標簽是同一類標簽的樣式。使用標簽屬性，方便我們取出同一類型的內容。
# coding=utf-8
import requests
from lxml import etree
html = requests.get('http://www.qiushibaike.com/text/').content
selector = etree.HTML(html)
content = selector.xpath('//div[@class="article block untagged mb15"]/a/div/span/text()')
for each in content:
print each
PS 參見之前文章： 爬蟲搜索神器BeautifulSoup和XPath 的使用
