学习xpath看这一篇就够了

前言

偶然看见python的scrapy框架，由于兴趣的吸引，最近如入门式的学习，在学习过程中遇到了xpath的相关知识，在此进行总结方面日后查询和记忆。
参考:
菜鸟教程

理解

XPath是一门在 XML 文档中查找信息的语言。当然也可以运用于HTML。在scrapy中用来查找页面需要的内容。

实例

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

<bookstore>
<h1>Example</h1>
<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

• 节点名：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(理解)
• .：选取当前节点
• ..：选取当前节点的父节点
• @：选取属性

注：这些语法可以混合使用。

表达式	说明
article	选取所有article元素的所有子节点
/article	选取根元素article
article/a	选取所有属于article的子元素的a元素(不考虑位置)
/div	选取所有div元素
article//div	选取所有article元素的后代div元素
//@class	选取所有名为class的属性

选取多个class

    <div class = "h-entry toc-sidebar">...</div>

要注意的是匹配这样的div通过xpath('//div[@class="h-entry"]')或xpath('//div[@class="toc-sidebar"]')是无法获取的，可通过xpath('//div[contains(@class,"h-entry")]')或 xpath('//div[contains(@class,"toc-sidebar")]')进行匹配到，最好的是xpath('//div[contains(@class,"h-entry") and contains(@class,"toc-sidebar")]')

谓语

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。

• [number]:匹配的第number个节点。
• [last-number]:当number为0时选取最后一个,其他倒数匹配。
• [position()<number]：选取匹配的前number-1个元素。
• [@lang]:选取所有拥有名为lang 的属性的节点。
• [@lang='eng']: 元素拥有值为 eng的 lang 属性。

通配符

• * ：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。

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。

结尾

当然关于xpath并不仅仅于此，对于目前的基础学习，选择内容仅了解如此。