之前学习了正则匹配-提取网络有用信息。正则匹配的一大特点是速度快，效率高，但是难度也是最大的。所以这次学习了xpath，虽然效率比不上正则匹配，但是难度却小很多。
xpath可以在XML文档中查找信息，以及遍历元素的属性。xpath使用的使用方法为：先将获取的HTML转化为XML，然后通过xpath查找节点元素。XML为可扩展标记语言，目的，传输和存储数据。HTML为超文本标记语言，目的，更好地显示数据。HTML DOM为文档对象，通过它可以访问，HTML的所有元素，包括属性和文本。
xpath是通过等级关系来寻找信息的，多以我们首先要了解节点关系：1.父节点；2.子节点：元素可以有0个或多个子节点；3.同胞（兄弟）节点：拥有相同的父节点；4.先辈节点：父节点或父节点以上的全部节点；5.后代节点：子节点或子节点以下的全部节点。xpath采取的是路径表达式，其步骤为：1.选取节点：/:从根节点选取；//:从匹配选择的当前节点选取，不考虑位置；.:选取当前节点；..:选取当前节点的父节点；@:选取属性。2.选取未知节点：*:匹配任何元素节点；@*:匹配任何属性节点；node():匹配任何类型的节点。
lxml库是解析HTML/XML，需要手动安装。其有如下方法：1.通过xpath获取标签信息(li)，如：html1=etree.parse('./shuihu.html')；result1=html1.xpath('//li')#打印<li>标签的元素集合。2.通过xpath获取所有li标签的属性，如：result2=html.xpath('//li/@class')。3.获取<li>标签下href为wusong.html的<a>标签，如：result3=html.xpath('//li/a[@href="wusong.html"]')。4.获取最后一个<li>的<a>的herf，如：result4=html.xpath('//li[last()]/a/@href')。
这次的项目为爬取任意贴吧，任意内容。要求为：1.将图片存储一个路径；2.视频存储一个路径；3.其他存储一个路径。
