[XPath] XPath 与 lxml （二）XPath 语法
XPath 选取节点时使用的表达式是一种路径表达式。节点是通过路径（path）或者步（steps）来选取的。
本章使用以下 XML 文档作为示例。
<?xml version="1.0" encoding="utf8"?> <bookstore> <book> <title lang="eng">Harry Potter</title> <price>29.99</price> </book> <book> <title lang="eng">Learning XML</title> <price>39.95</price> </book> </bookstore>
选取节点
以下为基本路径的表达方式，记住 XPath 的路径表达式都是基于某个节点之上的，例如最初的当前节点一般是根节点，这与 Linux 下路径切换原理是一样的。
| 表达式 | 描述 |
| nodename | 选取已匹配节点下名为 nodename 的子元素节点。 |
| / | 如果以 / 开头，表示从根节点作为选取起点。 |
| // | 在已匹配节点后代中选取节点，不考虑目标节点的位置。 |
| . | 选取当前节点。 |
| .. | 选取当前节点的父元素节点。 |
| @ | 选取属性。 |
>>> from lxml import etree >>> xml = """<?xml version="1.0" encoding="utf8"?> <bookstore> <book> <title lang="eng">Harry Potter</title> <price>29.99</price> </book> <book> <title lang="eng">Learning XML</title> <price>39.95</price> </book> </bookstore>""" # 得到根节点 >>> root = etree.fromstring(xml) >>> print root <Element bookstore at 0x2c9cc88> # 选取所有book子元素 >>> root.xpath('book') [<Element book at 0x2d88878>, <Element book at 0x2d888c8>] # 选取根节点bookstore >>> root.xpath('/bookstore') [<Element bookstore at 0x2c9cc88>] # 选取所有book子元素的title子元素 >>> root.xpath('book/title') [<Element title at 0x2d88878>, <Element title at 0x2d888c8>] # 以根节点为始祖，选取其后代中的title元素 >>> root.xpath('//title') [<Element title at 0x2d88878>, <Element title at 0x2d888c8>] # 以book子元素为始祖，选取后代中的price元素 >>> root.xpath('book//price') [<Element price at 0x2ca20a8>, <Element price at 0x2d88738>] # 以根节点为始祖，选取其后代中的lang属性值 >>> root.xpath('//@lang') ['eng', 'eng']
预判（Predicates）
预判是用来查找某个特定的节点或者符合某种条件的节点，预判表达式位于方括号中。
# 选取bookstore的第一个book子元素 >>> root.xpath('/bookstore/book[1]') [<Element book at 0x2ca20a8>] # 选取bookstore的最后一个book子元素 >>> root.xpath('/bookstore/book[last()]') [<Element book at 0x2d88878>] # 选取bookstore的倒数第二个book子元素 >>> root.xpath('/bookstore/book[last()-1]') [<Element book at 0x2ca20a8>] # 选取bookstore的前两个book子元素 >>> root.xpath('/bookstore/book[position()<3]') [<Element book at 0x2ca20a8>, <Element book at 0x2d88878>] # 以根节点为始祖，选取其后代中含有lang属性的title元素 >>> root.xpath('//title[@lang]') [<Element title at 0x2d888c8>, <Element title at 0x2d88738>] # 以根节点为始祖，选取其后代中含有lang属性并且值为eng的title元素 >>> root.xpath("//title[@lang='eng']") [<Element title at 0x2d888c8>, <Element title at 0x2d88738>] # 选取bookstore子元素book，条件是book的price子元素要大于35 >>> root.xpath("/bookstore/book[price>35.00]") [<Element book at 0x2ca20a8>] # 选取bookstore子元素book的子元素title，条件是book的price子元素要大于35 >>> root.xpath("/bookstore/book[price>35.00]/title") [<Element title at 0x2d888c8>]
通配符
| 通配符 | 描述 |
| * | 匹配任何元素。 |
| @* | 匹配任何属性。 |
| node() | 匹配任何类型的节点。 |
# 选取 bookstore 所有子元素 >>> root.xpath('/bookstore/*') [<Element book at 0x2d888c8>, <Element book at 0x2ca20a8>] # 选取根节点的所有后代元素 >>> root.xpath('//*') [<Element bookstore at 0x2c9cc88>, <Element book at 0x2d888c8>, <Element title at 0x2d88738>, <Element price at 0x2d88878>, <Element book at 0x2ca20a8>, <Element title at 0x2d88940>, <Element price at 0x2d88a08>] # 选取根节点的所有具有属性节点的title元素 >>> root.xpath('//title[@*]') [<Element title at 0x2d88738>, <Element title at 0x2d88940>] # 选取当前节点下所有节点。'\n ' 是文本节点。 >>> root.xpath('node()') ['\n ', <Element book at 0x2d888c8>, '\n ', <Element book at 0x2d88878>, '\n'] # 选取根节点所有后代节点，包括元素、属性、文本。 >>> root.xpath('//node()') [<Element bookstore at 0x2c9cc88>, '\n ', <Element book at 0x2d888c8>, '\n ', <Element title at 0x2d88738>, 'Harry Potter', '\n ', <Element price at 0x2d88940>, '29.99', '\n ', '\n ', <Element book at 0x2d88878>, '\n ', <Element title at 0x2ca20a8>, 'Learning XML', '\n ', <Element price at 0x2d88a08>, '39.95', '\n ', '\n']
或条件选取
使用 "|" 运算符，你可以选取符合“或”条件的若干路径。
# 选取所有book的title元素或者price元素 >>> root.xpath('//book/title|//book/price') [<Element title at 0x2d88738>, <Element price at 0x2d88940>, <Element title at 0x2ca20a8>, <Element price at 0x2d88a08>] # 选择所有title或者price元素 >>> root.xpath('//title|//price') [<Element title at 0x2d88738>, <Element price at 0x2d88940>, <Element title at 0x2ca20a8>, <Element price at 0x2d88a08>] # 选择book子元素title或者全部的price元素 >>> root.xpath('/bookstore/book/title|//price') [<Element title at 0x2d88738>, <Element price at 0x2d88940>, <Element title at 0x2ca20a8>, <Element price at 0x2d88a08>]
