XPath Axes

Clase 14 de 21 • Curso de Fundamentos de Web Scraping con Python y Xpath

Juan David Sánchez

student•

He encontrado este Cheat sheet que espero pueda ser útil: https://devhints.io/xpath

Camilo Puentes

student•

Creo que está mejor organizado que la misma documentacion de la w3school

Cristian Córdova

student•

Gran documentación. Gracias!

Pablo Perez

student•

Antonio Mesa Casares

student•

Gracias por el aporte, muy bien escquematizado

Moisés Manuel Morín Hevia

student•

Buena representación visual.

Carolina Acosta Muñoz

student•

Azucar sintáctica: se refiere a los añadidos a la sintaxis de un lenguaje de programación diseñados para hacer algunas construcciones más fáciles de leer o expresar. self::div -> se abrevia con . y se refiere al mismo nodo o div en este caso child::div -> Trae los hijos del div descendant::div -> Trae todos los nodos que están en niveles inferiores descendant-or-self::div -> Trae la unión entre los descendientes y el mismo nodo div

César Daniel Carrasco Gutiérrez

student•

Muchas gracias por la explicación.

Camilo Quiceno Quintero

student•

Carlos Andres Ocampo Pabon

student•

Super la ilustración :)

Moisés Manuel Morín Hevia

student•

Muy didáctico.

Alejandro Giraldo Londoño

student•

RESUMEN: Xpath Axes

■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■

Un eje representa una relación entre el nodo actual. Es usado para localizar nodos relativos a el nodo en el DOM tree.

$x('/html/body/div/self::div')
$x('/html/body/div/descendant-or-self::div')

Para ver más: Axes

Moisés Manuel Morín Hevia

student•

Buen resumen.

Julio César Zaravia Paredes

student•

Antes de entrar a Platzi vi por mi cuenta el uso de BeautifulSoup para hacer web scrapping, luego de ver estos videos (que están muy buenos) se me vino a la mente cuál sería la ventaja de usar XPath, sobre BS, ya que XPath a mi parecer es un poco más complejo de usar.

Según pude averiguar en la web, varios programadores se inclinan hacía XPath por el tema de performance, es decir, ante volúmenes elevados de data puede tener un mejor desempeño que BS u otra librería para scrapping. Sin embargo, también indican que toma mucho menos tiempo programar un script en BeautifulSoup que en XPath, para un programador promedio.

Por lo visto, no hay un consenso general, o una métrica que considere diferentes dimensiones para elegir una u otra opción. Parece que muchas cosas en el mundo de la programación dependen de diferentes variables, y una herramienta puede resultar más útil que otra de acuerdo a casos específicos.

Si alguien tiene data, o ha podido indagar sobre esto, le agradecería que me deje un comentario ya que estoy por iniciar un proyecto personal referente a esto y quisiera iniciar de manera informada. Gracias y slds!

alvaro peña

student•

Estimado Julio. Interesante comparacion, gracias. Como te fue con el proyecto?

Santiago Gomez Florez

student•

Les comparto este material para profundizar sobre las Xpath Axes

Gerardo Alvarado Garcia

student•

Buen material. Gracias.

Moisés Manuel Morín Hevia

student•

https://devhints.io/xpath

Kevin Naranjo

student•

hay alguna manera de crear graficamente la representacion del DOM??

Juan Castro

teacher•

Algo así: https://gojs.net/latest/samples/DOMTree.html

Pablo Perez

student•

https://chrome.google.com/webstore/detail/site-dom-tree/heflndjaabdpflafhdboiijhahgmffch?hl=es

Jose Reinaldo Roca Cruz

student•

Excelente curso, muy resumido y bien explicado los Xpath

Moisés Manuel Morín Hevia

student•

Sí, demasiado resumido ya en la práctica se profundiza .

Carlos Javier Guevara Contreras

student•

XPath Axes

Un eje representa una relación con el nodo de contexto (actual) y se utiliza para ubicar nodos en relación con ese nodo en el árbol.

![](

Moisés Manuel Morín Hevia

student•

Thanks

Christian C RO

student•

ancestor: Selecciona todos los ancestros, como nodos padres, abuelos, etc.
ancestor-or-self: Selecciona todos los ancestros, incluyendo el nodo mismo.
attribute: Selecciona todos los atributos del nodo actual.
child: Selecciona todos los hijos del nodo actual.
descendant: Selecciona todos los descendientes, como hijos, nietos, etc. del nodo actual.
descendant-or-self: Selecciona todos los descendientes, incluyendo el nodo mismo.
following: Selecciona todo en el documento, que este después de la etiqueta de cierre del nodo.
following-sibling: Selecciona todos los hermanos, después del nodo actual.
namespace: Selecciona todos los nodos de nombre de espacio del nodo actual.
parent: Selecciona todos los padres del nodo actual.
preceding: Selecciona todos los nodos que aparecen antes del nodo actual del documento, excepto los ancestros, nodos de atributo y nodos de espacio de nombre.
preceding-sibling: Selecciona todos los hermanos, antes del nodo actual.
self: Selecciona el nodo actual.

Moisés Manuel Morín Hevia

student•

Thanks.

César Ernesto Rivas Martínez

student•

$x('/html/body/div/descendant-or-self::div')

Moisés Manuel Morín Hevia

student•

Para traer los nodos desendientes & el mismo nodo.

Gonzalo Flores

student•

Vaya, cada vez se complica mas, pero curiosamente se entiende

Moisés Manuel Morín Hevia

student•

seee & en la práctica estará más confuso pero entendible.

Pablo Perez

student•

Extensión de Chrome Para ver el DOM de forma grafica!

https://chrome.google.com/webstore/detail/site-dom-tree/heflndjaabdpflafhdboiijhahgmffch?hl=es

Dan Isaac Rodríguez Delgado

student•

Soy el único al que le va medio lento los videos de este curso?? va como con lag 🤔

Sonia Mavridis

student•

lo mismo

Pablo Joaquín Cruz

student•

Ah! Pensaba que era mi PC. Sí, al parecer tienen algo de lag :c

Martin DAVILA

student•

"Xpath Axes"
$x('/html/body/div/self::div')
$x('/html/body/div/child::div')
$x('/html/body/div/decendant::div')
$x('/html/body/div/decendant-or-self::div')```

Moisés Manuel Morín Hevia

student•

Thanks (:

Luis Rogelio Reyes Hernandez

student•

Cheatsheet


$x('/html/body/div/self::div') // referiendose al mismo nodo div actual

$x('/html/body/div/.') // sugar syntax del ejemplo anterior

$x('/html/body/div/child::div') // trae los hijos del nodo div


$x('/html/body/div/descendant::div') // trae todos los descendientes de este nodo

$x('/html/body/div/descendant-or-self::div') //  trae el nodo actual y todos sus descendientes

Sebastian Calderón Araque

student•

HTML Tree Generator

Encontré esta extensión de Chrome que sirve para generar un arbol básico con los elementos del HTML

Fidel Parabacuto

student•

Un cheatsheet con el contenido de lo visto https://lzone.de/cheat-sheet/XPath

Joseph Tapia

student•

$x('/html/body/div/self::div') // referiendose al mismo nodo div actual

$x('/html/body/div/.') // sugar syntax del ejemplo anterior

$x('/html/body/div/child::div') // trae los hijos del nodo div

$x('/html/body/div/descendant::div') // trae todos los descendientes de este nodo

$x('/html/body/div/descendant-or-self::div') //  trae el nodo actual y todos sus descendientes

XPath Axes

Introducción al web scraping

¿Qué es el web scraping?

¿Por qué aprender web scraping hoy?

Python: el lenguaje más poderoso para extraer datos

Fundamentos de la web

Entender HTTP

¿Qué es HTML?

Robots.txt: permisos y consideraciones al hacer web scraping

XML Path Language

XML Path Language

Tipos de nodos en XPath

Expresiones en XPath

Predicados en Xpath

Operadores en Xpath

Wildcards en Xpath

In-text search en Xpath

XPath Axes

Resumen de XPath

Aplicando lo aprendido

Proyecto: scraper de noticias

Un proyecto para tu portafolio: scraper de noticias

Construcción de las expresiones de XPath

Obteniendo los links de los artículos con Python

Guardando las noticias en archivos de texto

Conclusiones

Cómo continuar tu ruta de aprendizaje