XPath

1. 简介

XPath即XML Path Language，是一门在 XML 文档中查找信息的语言。

2. XPath 语法 

2.1 选择结点

XPath 使用路径表达式来选取 XML 文档中的节点或节点集。

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

示例：

作用	路径表达式	结果
所有结点	//*	所有结点
子节点	//li/a	li结点所有直接a子节点
子孙结点	//li//a	li结点所有子孙a结点
父节点+属性匹配	//li[@href=“link”]/…/@class	选取href属性为link的li结点，再选取的父节点的class属性
属性匹配	//li[@class] //li[@class=“item”]	选取拥有class属性的li结点 选取结点class属性为item的li结点
属性多值匹配	<li class="li li-first"> ...</li> //li[contains(@class,“li”)]	选取class属性包含li的li结点
多属性匹配	<li class="li li-first" name="item"> ...</li> //li[contains(@class,“li”) and @name=“item”]	选取class属性包含li，并且name属性为item的li结点

2.2 选择排序

在选择时可能同时匹配了多个结点，选择其中某个节点。

路径表达式	结果
//li[1]	选取第一个li结点，不是从0开始
//li[last()]	选取最后一个li结点
//li[last()-1]	选取倒数第二个li结点
//li[position()< 3]	选取前两个li结点
//li[attr>35]	选取attr属性大与35的li结点

2.3 节点轴选择

轴名称	结果
self	选取当前节点
parent	选取当前节点的父节点
ancestor	选取当前节点的所有先辈（父、祖父等）
ancestor-or-self	选取当前节点以及当前节点本身
child	选取当前节点的所有直接子元素
descendant	选取当前节点的所有后代元素（子、孙等）
descendant-or-self	选取当前节点的所有后代元素以及当前节点本身
following	选取文档中当前节点的结束标签之后的所有节点
preceding	选取文档中当前节点的开始标签之前的所有节点
preceding-sibling	选取当前节点之前的所有同级节点
attribute	选取当前节点的所有属性
namespace	选取当前节点的所有命名空间节点

示例：

路径表达式	结果
//li[1]/ancestor:: *	选取li[1]的所有祖先节点
//li[1]/ancestor::div	选取li[1]的div祖先节点
//li[1]/child::a[@href=“link”]	选取i[1]的属性lhref为link的直接子节点
//li[1]/following:: *[2]	选取li[1]的第二个后继结点

2.4 类型

from lxml import etree
html = etree.HTML(text) #type(html):lxml.etree._Element
result=html.xpath('//li') #type(result):list;
                          #type(result[0]):lxml.etree._Element
print(result[0]) #<Element li at 0x1b4335eafc8>
result=html.xpath('//li[1]') #type(result):list
print(result) #[<Element li at 0x1b4335eafc8>]，与上个相同
result=html.xpath('//li/@class') #type(result):list
result=html.xpath('//li[1]/child::*')#type: list
"""
text()的用法：
<li class="item-5"><a href="0.html">item 0</a>	
</li>
"""
result=html.xpath('//li[1]/text()')
print(result) #['\t\n']，'/'为直接子节点，只有</a>与</li>之间的\t\n
result=html.xpath('//li[1]//text()')
print(result) #['item 0', '\t\n']，'//'为所有子孙结点，也包含了a节点的内容

2.5 XPath 运算符

常用有:

or	and	mod	|：计算连个节点集	+	-	*	div
=	!=	<	<=	>	>=