Xpath语法学习

最近写爬虫时，需要解析html，有好多种选择xml文档节点的方法，先熟悉一下使用xpath来选取节点、解析节点

下面是学习需要的XML文档

<?xml version="1.0" encoding="UTF-8"?>
<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

XPath使用路径表达式在XML文档中选取节点。节点是通过沿着路径或者step来选取的。

最有用的路径表达式如下：

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。
####实例
bookstore 选取 bookstore 元素的所有子节点。
/bookstore 选取根元素 bookstore。

注意：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！

bookstore/book	选取属于 bookstore 的子元素的所有 book 元素。
//book	选取所有 book 子元素，而不管它们在文档中的位置。
bookstore//book	选择属于 bookstore 元素的后代的所有 book 元素，而不管它们位于 bookstore 之下的什么位置。
//@lang	选取名为 lang 的所有属性。

谓语（Predicates）

谓语用来查找某个特定的节点或者包含某个指定的值的节点。
谓语被嵌在方括号中。

实例

/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()<3]	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。
/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。

选取未知节点

XPath 通配符可用来选取未知的 XML 元素。
* 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。

实例

/bookstore/*	选取 bookstore 元素的所有`子元素`。
//*	选取文档中的`所有元素`。
//title[@*]	选取所有带有属性的`title`元素。

选取若干路径

通过在路径表达式中使用`|运算符，您可以选取若干个路径。

实例

//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。

本文采用署名-非商业性使用-相同方式共享 4.0 国际许可协议，转载请注明出处。