Xpath语法格式总结

Xpath（XML Path Language）是一门用于在XML文档中定位节点的语言，也被用于HTML文档中的Web页面抓取。下面详细讲解Xpath语法的使用格式。

基本语法

Xpath中主要有两种路径表达式：绝对路径和相对路径。

绝对路径

绝对路径由根节点开始，通过逐级指定节点的名称来描述节点的路径，以下为绝对路径的格式：

/parent/child[@attribute='value']

其中：

/ 表示从根节点开始；
parent 表示上一级节点的名称；
child 表示当前节点的名称；
[@attribute='value'] 表示选取具有指定属性值的当前节点。

相对路径

相对路径则是从当前节点开始，通过指定节点名称或通配符等方式来描述节点的路径，以下为相对路径的格式：

./child /ancestor::parent

其中：

./ 表示从当前节点开始；
child 表示当前节点的子节点名称；
/ 表示选择下一级的节点；
ancestor:: 表示选取当前节点的祖先节点；
parent 表示选取上一级节点的名称。

谓语表达式

除了上述基本语法，Xpath还包含谓语表达式，可以根据节点的属性或索引值进行选择。以下为谓语表达式的使用格式：

//node[@attr='value'][index]

其中：

// 表示选取节点，可以跨越多个层级；
node 表示当前节点的名称；
[@attr='value'] 表示选取具有指定属性值的当前节点；
[index] 表示选取匹配的元素中的第index个元素，index从1开始。

示例1

以以下XML数据为例：

<?xml version="1.0" encoding="UTF-8"?>
<bookstore>
  <book category="children">
    <title lang="en">Harry Potter</title>
    <author>J.K. Rowling</author>
    <year>2005</year>
    <price>29.99</price>
  </book>
  <book category="cooking">
    <title lang="en">Everyday Italian</title>
    <author>Giada De Laurentiis</author>
    <year>2005</year>
    <price>30.00</price>
  </book>
</bookstore>

想要选取所有书籍的价格（price）信息，可以使用以下Xpath表达式：

//book/price

其中 // 表示选取节点，可以跨越多个层级； book 表示当前节点的名称； / 表示选择下一级的节点； price 表示选取当前节点的子节点并指定为price。

示例2

以以下HTML数据为例：

<!DOCTYPE html>
<html>
<head>
    <title>Xpath Demo Page</title>
</head>
<body>
    <div class="content">
        <h1>Welcome to Xpath Demo Page</h1>
        <ul>
            <li><a href="https://www.baidu.com">Baidu</a></li>
            <li><a href="https://www.google.com">Google</a></li>
            <li><a href="https://www.microsoft.com">Microsoft</a></li>
        </ul>
    </div>
</body>
</html>

想要选取所有<a>标签的href属性，可以使用以下Xpath表达式：

//a/@href

其中 // 表示选取节点，可以跨越多个层级； a 表示当前节点的名称； /@href 表示选取具有href属性的当前节点。

总结

Xpath是定位HTML和XML文档中节点的一种特殊查询语言，能够极大地帮助我们进行Web页面的数据抓取。为了有效地使用Xpath语法格式，需要熟悉基本语法和谓语表达式。

本站文章如无特殊说明，均为本站原创，如若转载，请注明出处：Xpath语法格式总结 - Python技术站

Xpath语法格式总结

Xpath语法格式总结

基本语法

绝对路径

相对路径

谓语表达式

示例1

示例2

总结

相关文章