数据解析 - xpath 语法

1、基础语法

（1）/

说明：从根节点开始。

示例：/html/body

（2）//

说明：选择匹配的任何位置。

示例：//input

（3）.

说明：当前节点。

（4）..

说明：父节点。

（5）@

说明：选择属性。

示例：//*[@id="kw"] # 表示选择具备 id="kw" 属性的节点

（6）[node]

说明：选择所有 node 子元素。

（7）[@attr]

说明：选取带有 attr 属性的所有元素。

（8）*

说明：通配符，表示任意节点或任意属性。

示例：//*[@id="kw"]

 

 

2、选取节点

使用XPath选取节点0

例如：

//div 　　　　　　　　#选择所有div元素

//div[@class] 　　　　# 选择带有class属性的div元素

//div[@id='myId'] 　　# 选择id属性为'myId'的div元素

 

3、路径表达式

XPath使用路径表达式来选取节点。

例如：

//div/p 　　# 选择所有div下的p元素

//div//p 　　# 选择所有div下的所有p元素

 

4、通配符

使用通配符匹配元素。

例如：

//*　　　　# 选择所有元素

//div/* 　　# 选择所有div下的所有子元素

 

5、提取标签的文本数据

使用XPath提取文本内容，返回的对象是一个列表。

例如：

//p/text() 　　# 提取p元素的文本内容

 

6、谓词

当使用XPath时，谓词是一种用于过滤节点的表达式。

谓词用于在路径中添加条件，以选择满足特定条件的节点。

 

//div[@class='highlight'] 　　# 选择class属性为'highlight'的div元素

//ul/li[position()<3]　　　　   # 选择ul下的前两个li元素

 

1、谓词基础

谓词的基本语法是在方括号中放置条件表达式。例如：

//div[@class='highlight'] 　　# 选择class属性为'highlight'的div元素

 

2、 比较运算符

在谓词中可以使用比较运算符，例如：

//p[@id='para1'] 　　　　# 选择id属性为'para1'的p元素
//a[@href!='#'] 　　　　 # 选择href属性不等于'#'的a元素
//input[@type='text' and @name='username'] 　　　　 # 选择type为'text'且name为'username'的input元素

 

3、 位置谓词

位置谓词用于选择特定位置的节点，谓词下标从 1 开始。

例如：

//ul/li[1] 　　　　# 选择ul下的第一个li元素
//div[@class='article']/p[position()=last()] 　　　　 # 选择class为'article'的div下的最后一个p元素

 

4、范围谓词

范围谓词用于选择一定范围内的节点。

例如：

//div[@id='content']/p[position()>1 and position()<4] 　　 # 选择id为'content'的div下的第2到第3个p元素

 

5、使用逻辑运算符

逻辑运算符（and、or、not）可用于组合多个条件。

例如：

//input[@type='text' and (@name='username' or @name='email')] 　　 # 选择type为'text'且name为'username'或'name'为'email'的input元素

 

6、使用函数

XPath还提供一些内置函数，如contains()、starts-with()等，用于进行更复杂的条件判断。例如：

//a[contains(@href, 'example.com')] # 选择href属性包含'example.com'的a元素
//h2[starts-with(@class, 'header')] # 选择class属性以'header'开头的h2元素