xpath介绍

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。

XPath使用路径表达式在XML文档（字符串）中选取节点，节点是通过沿着路径来选取的。路径由节点名组成，节点之间以“/”分割。

在查找web的某些元素时，我们可以通过xpath查找到特定的元素。

如何测试xpath

在浏览器（以chrome为例）中开启控制台，点击元素，按快捷键ctrl+f并在搜索框中输入xpath即可测试xpath是否成功运作

术语

摘自：XPath 节点 (w3school.com.cn)

节点

以以下XML为例：

<?xml version="1.0" encoding="ISO-8859-1"?>

<bookstore>

<book>
  <title lang="en">Harry Potter</title>
  <author>J K. Rowling</author> 
  <year>2005</year>
  <price>29.99</price>
</book>

</bookstore>

在 XPath 中，有七种类型的节点：元素、属性、文本、命名空间、处理指令、注释以及文档（根）节点。XML 文档是被作为节点树来对待的。树的根被称为文档节点或者根节点。

上面的XML文档中的节点例子：

<bookstore> ：（文档节点）
<author>J K. Rowling</author>：（元素节点）
lang="en" （属性节点）

节点关系

父（Parent）

每个元素以及属性都有一个父。

在下面的例子中，book 元素是 title、author、year 以及 price 元素的父：

<book>
  <title>Harry Potter</title>
  <author>J K. Rowling</author>
  <year>2005</year>
  <price>29.99</price>
</book>

子（Children）

元素节点可有零个、一个或多个子。

在下面的例子中，title、author、year 以及 price 元素都是 book 元素的子：

<book>
  <title>Harry Potter</title>
  <author>J K. Rowling</author>
  <year>2005</year>
  <price>29.99</price>
</book>

同胞（Sibling）

拥有相同的父的节点

在下面的例子中，title、author、year 以及 price 元素都是同胞：

<book>
  <title>Harry Potter</title>
  <author>J K. Rowling</author>
  <year>2005</year>
  <price>29.99</price>
</book>

先辈（Ancestor）

某节点的父、父的父，等等。

在下面的例子中，title 元素的先辈是 book 元素和 bookstore 元素：

<bookstore>

<book>
  <title>Harry Potter</title>
  <author>J K. Rowling</author>
  <year>2005</year>
  <price>29.99</price>
</book>

</bookstore>

后代（Descendant）

某个节点的子，子的子，等等。

在下面的例子中，bookstore 的后代是 book、title、author、year 以及 price 元素：

<bookstore>

<book>
  <title>Harry Potter</title>
  <author>J K. Rowling</author>
  <year>2005</year>
  <price>29.99</price>
</book>

</bookstore>

路径表达式

基础路径表达式

以下是基础的路径表达式：

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。

用以下XML为例：

<?xml version="1.0" encoding="ISO-8859-1"?>

<body>

<head>
  <div lang="en">Harry Potter</div>
  <div><a href="www.baidu.com">J K. Rowling</a></div> 
  <div class="aaa">2005</year>
  <div><span>29.99</span></div>
</head>

</body>

以下是一些路径表达式的参考语法

路径表达式	结果
`body`	选取 body 元素的所有子节点。
`/head`	选取根元素下head。假如路径起始于正斜杠( / )，则此路径始终代表到某元素的绝对路径！
`div/a`	选取属于 div 的子元素的所有 a 元素。
`//a`	选取所有 a 子元素，而不管它们在文档中的位置。
`div//a`	选择属于 div 元素的后代的所有 a 元素，而不管它们位于 bookstore 之下的什么位置。
`//@class`	选取名为 class 的所有属性。
`./a`	选取当前元素下的a
`../a`	选取父元素下的a
`a/@href`	选取a标签的href属性

通配符

在XPath中，可以使用通配符来匹配特定的节点。一般以*为主

通配符	说明	举例
`*`	匹配任何元素节点	`/div/*`
`@*`	匹配任何属性节点，即匹配具有属性的节点，不包含无属性的节点。	`//div[@*]`
`node()`	匹配选择路径下的任何类型的节点。	`//div/node()`

谓语

在XPath中，谓语（Predicate）是一个可选的子句，用于进一步过滤符合谓语条件的节点。谓语通常用于选择满足特定条件的元素或属性。

谓语的语法是在方括号中包含条件表达式，例如：[condition]。谓语可以用于选择具有特定属性值的元素、特定文本内容的元素、满足位置条件的元素等。

下面是一些实例：

路径表达式	结果
`/body/div[1]`	选取属于body子元素的第一个div元素。
`/body/div[last()]`	选取属于body子元素的最后一个div元素。
`/body/div[last()-1]`	选取属于body子元素的倒数第二个div元素。
`//div[@lang]`	选取所有拥有名为lang的属性的div元素。
`//div[@lang='eng']`	选取所有拥有名为lang等于eng的属性的div元素。

运算符

下面列出了可用在 XPath 表达式中的运算符：

运算符	作用	示例
\|	匹配多个条件	//book \| //cd
+	加法	1 + 1
-	减法	2 - 1
*	乘法	1 * 2
div	除法	4 div 2
=	等于	price=10
!=	不等于	price!=10
<	小于	price<10
<=	小于或等于	price<=10
>	大于	price>10
>=	大于或等于	price>=10
or	或（匹配满足至少一个条件的节点）	//div[@class="1" or @class="2"]
and	与（匹配同时满足条件的节点）	//div[@class="1" and @id="2"]
mod	计算除法的余数	5 mod 2

通过节点关系选择元素

摘自：解析库xpath高级使用（超全） - 知乎 (zhihu.com)

选取当前节点的结束标签之后的所有节点，包括节点的子孙节点

//li[@class="item-0"]/following::li  # 获取li后面的所有节点中的li

选取当前节点的开始标签之前的所有节点，包括节点的子孙节点

//li[@class="item-0"]/preceding::li  # 获取li前面的所有节点中的li

选取当前节点之后的所有同级节点

//li[@class="item-0"]/following-sibling::li  # 获取li后面所有同级节点中的li

选取当前节点的子元素

//ul/child::*  # 获取ul所有的子元素
//ul/child::li  # 获取ul所有子元素中的li

选取当前节点的属性

//ul/li/attribute::*  # 获取li的所有属性
//ul/li/attribute::class  # 获取li所有属性中的class属性

选择父辈元素或父辈元素及当前元素

//div[@id="testid"]/ancestor::*  # 获取div所有父元素
//div[@id="testid"]/ancestor::div  # 获取div所有父元素中的div

//div[@id="testid"]/ancestor-or-self::*  # 获取div所有父元素及当前元素
//div[@id="testid"]/ancestor-or-self::div  # 获取div所有父元素及当前元素中的div

选择后代或后代及当前节点本身

//div[@id="testid"]/descendant::*  # 获取div所有后代元素
//div[@id="testid"]/descendant::div  # 获取div所有后代元素中的div

//div[@id="testid"]/descendant-or-self::*  # 获取div所有后代元素及当前元素
//div[@id="testid"]/descendant-or-self::div  # 获取div所有后代元素及当前元素中的div

xpath函数

XPath 提供了许多内置函数

摘自：解析库xpath高级使用（超全） - 知乎 (zhihu.com)

获取文本

/text()：获取当前节点文本，不包括子孙节点；

//text()：获取当前节点和子孙节点的文本，若有多个，返回多个字符串的列表；

string()：获取匹配第一个节点的所有文本（包括子孙节点）

示例：

//li[@class="item-0"]/a/text()
//li[@class="item-0"]//text()
string(//li[@class="item-0"])

包含

选择文本中或属性中包含某些内容的元素

//*[contains(text(),"123")] # 选择所有文本中包含123的节点
//*[contains(@href, "test")]  # 选择所有属性href中包含test的节点

以...开始

选择文本中或属性中以某些内容开始的元素

//li[starts-with(@class,"test")]  # 匹配类名以test开头的li

定位

返回元素的位置，其中：

选择偶数项：[position()=(position() mod 2 = 0)]
选择奇数项：[position()=(position() mod 2 != 0)]

//li[1] # 选择第一个li
//li[position()<3] # 选择定位小于3的li
//li[position()<6 and position()>3] # 选择定位大于3小于6的li
//li[last()] # 选择最后一个li
//li[last()-2] # 选择倒数第三个li
# 重点：匹配奇数项和偶数项
//tr/td[position()=(position() mod 2 = 0)] # 匹配tr下面所有的偶数个td
//tr/td[position()=(position() mod 2 != 0)] # 匹配tr下面所有的奇数个td

非

选择没有某个属性值的元素

//li[not(@data)]  # 获取所有没有data属性的li

统计子节点数量

统计节点下的某个子节点数量，并选择当前节点下某个子节点数量为多少的元素

//ul[count(li)>10]  # 获取子节点li数量超过10个的ul