XPath
何为 XPath（Introduction）
维基百科：XPath 即为 XML 路径语言（XML Path Language），它是一种用来确定XML文档中某部分位置的语言。 XPath基于XML的树状结构，提供在数据结构树中找寻节点的能力。
所谓节点有七种，分别是：
- 元素（element）
- 属性（attribute）
- 文本（text）
- 命名空间（namespace）
- 处理指令（processing-instruction）
- 注释（comment）
- 文档节点（document node, also called root element）
示例：
<?xml version="1.0" encoding="UTF-8"?>
<bookstore>
<book>
<title lang="en">Harry Potter</title>
<author>J K. Rowling</author>
<year>2005</year>
<price>29.99</price>
</book>
</bookstore>
其中，
<bookstore>为根节点，或者称为文档节点；<title lang="en">Harry Potter</title>为元素节点；lang="en"为属性节点；Harry Potter为文本节点。
基础语法（Syntax）
路径表达式（Path Expressions）
| 表达式 | 描述 |
|---|---|
| nodename | 选取此节点的所有子节点。 |
| / | 从根节点选取。 |
| // | 从匹配选择的当前节点选择文档中的节点，而不考虑它们的位置。 |
| . | 选取当前节点。 |
| .. | 选取当前节点的父节点。 |
| @ | 选取属性。 |
| text() | 选取文本。 |
断言（Predicates）
断言被用来在查找指定的节点或者包含指定值的节点，通常放在方括号 [] 中。
示例：
| 路径表达式 | 结果 |
|---|---|
| /bookstore/book[1] | 选取属于 bookstore 子元素的第一个 book 元素。 |
| /bookstore/book[last()] | 选取属于 bookstore 子元素的最后一个 book 元素。 |
| /bookstore/book[last()-1] | 选取属于 bookstore 子元素的倒数第二个 book 元素。 |
| /bookstore/book[position()❤️] | 选取最前面的两个属于 bookstore 元素的子元素的 book 元素。 |
| //title[@lang] | 选取所有拥有名为 lang 的属性的 title 元素。 |
| //title[@lang='eng'] | 选取所有 title 元素，且这些元素拥有值为 eng 的 lang 属性。 |
| //book[author[text()='J K. Rowling']] | 选取 author 为 J K. Rowling 的 book 元素。 |
| /bookstore/book[price>35.00] | 选取 bookstore 元素的所有 book 元素，且其中的 price 元素的值须大于 35.00。 |
| /bookstore/book[price>35.00]/title | 选取 bookstore 元素中的 book 元素的所有 title 元素，且其中的 price 元素的值须大于 35.00。 |
模糊选取（Selecting Unknown Nodes）
| 通配符 | 描述 |
|---|---|
| * | 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。 |
合并选取（Selecting Several Paths）
使用管道符 | 合并两个选取结果。
示例：
| 路径表达式 | 结果 |
|---|---|
| //book/title| //book/price | 选取 book 元素的所有 title 和 price 元素。 |
| //title | //price | 选取文档中的所有 title 和 price 元素。 |
| /bookstore/book/title | //price | 选取属于 bookstore 元素的 book 元素的所有 title 元素，以及文档中所有的 price 元素。 |
交并选取
XPath 支持使用 and 交并两个过滤条件过滤的元素。
/*/bar[position() >= 100 and not(position() > 200)]
参看：What is the xpath to select a range of nodes? - Stack Overflow
正则匹配（Regular Match）
可以使用 starts-with 和 ends-with 进行简单的正则匹配。
比如获取 Github 上某仓库的星星数的 Xpath 为，
//div/a[ends-with(@href, 'stargazers')]/text()
表示获取 div 节点下的具备有属性为 href 且值为 stargazers 结尾的 a 节点的文本内容。
问题解决
针对不规范的 XML 语法
素材：
<a>
<img src="xxx">
</a>
XPath:
//a/img/@src
错误提示：
Unable to perform XPath operation. The element type "img" must be terminated by the matching end-tag "</img>".
解决方式：
使用正则！
解析包含多个 class 的文本
问题：
class为'a b c',对于a,b,c中的一个或者多个组合都能匹配到。
解决方案：
尽量使用特有的 class！如有有意义的 id，则用 id。
测试我的 Xpath（Test Xpath）
可以使用 freeformatter.com 上提供的 Xpath Tester 进行在线测试。
