Xpath语法基础

Xpath语法基础知识

Author：Once Day Date：2023年3月30日

参考文档：

• XPath 语法 | 菜鸟教程 (runoob.com)
• xpath cover page - W3C
• 爬虫解析库：XPath - 简书 (jianshu.com)
• XML Path Language (XPath) 3.1 (w3.org)
• 一文搞懂 XPath 定位 - 知乎 (zhihu.com)

1.概述

下面是关于xpath的概述：

• XPath 使用路径表达式在 XML 文档中进行导航
• XPath 包含一个标准函数库
• XPath 是 XSLT 中的主要元素
• XPath 是一个 W3C 标准

XPath 使用路径表达式来选取 XML 文档中的节点或者节点集。

XPath 含有超过 100 个内建的函数。这些函数用于字符串值、数值、日期和时间比较、节点和 QName 处理、序列处理、逻辑值等等。

关于这些函数，可参考网站文章：XPath、XQuery 以及 XSLT 函数 | 菜鸟教程 (runoob.com)

1.1 Xpath节点术语

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。

基本值是指无父或无子的节点，项目则指基本值或者节点。

节点之间有如下的可能关系：

• 父（Parent）, 每个元素以及属性都有一个父。
• 子（Children）, 元素节点可有零个、一个或多个子。
• 同胞（Sibling），拥有相同的父的节点。
• 先辈（Ancestor），某节点的父、父的父，等等。
• 后代（Descendant），某个节点的子，子的子，等等。

2. 基础语法

2.1 选取节点

下面是常见的XPATH路径表达式：

表达式	描述
node-name	选取此节点的所有子节点。如testnode，选取testnode元素的所有子节点。
/	从根节点开始选取，即绝对路径，如/test1/test2，选取从根元素test1下test2的所有子节点。
//	从匹配选择的当前节点选择文档中的节点，忽略节点位置，如//test，选取所有test元素，忽略它们所在位置。
.	选取当前节点位置，即相对路径。
…	选取当前节点的父节点，即相对路径。
@name	选取名字为name的属性。

上述的不同路径表达式能互相组合，从而构建强大的表达能力。

2.2 谓语表达式

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，被嵌在方括号中使用。

下面是一些实际的谓语表达式例子，来自XPath 语法 | 菜鸟教程 (runoob.com)：

路径表达式	结果
/test1/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。

2.3 选取未知节点

XPath 通配符可用来选取未知的 XML 元素。

通配符	描述
*	匹配任何元素节点， 如/ip/*，选取IP节点下面的所有节点。
@*	匹配任何属性节点，如//network[@*]，选取所有带属性的title元素。
node()	匹配任何类型的节点。

2.4 多路径选择

在路径表达式中使用|运算符，可以选取多个路径。如下：

//test1 | //test2

选取文档中所有test1和test2元素。

2.5 Xpath轴

通过轴这一定义，能以当前节点的相对位置选择目标节点集。

轴名称	结果
ancestor	选取当前节点的所有先辈（父、祖父等）。
ancestor-or-self	选取当前节点的所有先辈（父、祖父等）以及当前节点本身。
attribute	选取当前节点的所有属性。
child	选取当前节点的所有子元素。
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（子、孙等）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。
following-sibling	选取当前节点之后的所有兄弟节点
namespace	选取当前节点的所有命名空间节点。
parent	选取当前节点的父节点。
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。
self	选取当前节点。

使用如下：

//test/following::*[2]
//test/ancestor::*

第一个表达式选取了当前节点之后顺数第二个节点。

第二个表达式选取了当前节点的所有祖先节点。

2.6 XPath运算符

这些元素符含义很直接，来源于：XPath 运算符 | 菜鸟教程 (runoob.com)

运算符	描述	实例	返回值
|	计算两个节点集	//book | //cd	返回所有拥有 book 和 cd 元素的节点集
+	加法	6 + 4	10
-	减法	6 - 4	2
*	乘法	6 * 4	24
div	除法	8 div 4	2
=	等于	price=9.80	如果 price 是 9.80，则返回 true。如果 price 是 9.90，则返回 false。
!=	不等于	price!=9.80	如果 price 是 9.90，则返回 true。如果 price 是 9.80，则返回 false。
<	小于	price<9.80	如果 price 是 9.00，则返回 true。如果 price 是 9.90，则返回 false。
<=	小于或等于	price<=9.80	如果 price 是 9.00，则返回 true。如果 price 是 9.90，则返回 false。
>	大于	price>9.80	如果 price 是 9.90，则返回 true。如果 price 是 9.80，则返回 false。
>=	大于或等于	price>=9.80	如果 price 是 9.90，则返回 true。如果 price 是 9.70，则返回 false。
or	或	price=9.80 or price=9.70	如果 price 是 9.80，则返回 true。如果 price 是 9.50，则返回 false。
and	与	price>9.00 and price<9.90	如果 price 是 9.80，则返回 true。如果 price 是 8.50，则返回 false。
mod	计算除法的余数	5 mod 2	1

3.内建函数

详细内容可以参考：XPath、XQuery 以及 XSLT 函数 | 菜鸟教程 (runoob.com)

其他可参考资料：

• XPath and XQuery Functions and Operators 3.1 (w3.org)
• XQuery, XPath, and XSLT Functions and Operators Namespace Document (w3.org)