XML与XPath的小贴士

1. XML

基本规定

• 任何开始的东西都必须由结束。

<aTag src="apic.png"></aTag>

• 如果要省略结束标签，必须如下：

<aTag src="apic.png" />

• 开始和结束标签必须严格匹配。XML是区分大小写的。

XML规范继承了SGML的DTD（Document Type Definition）。W3C还定义了另外一个叫schema的规范，用来实现和DTD类似的功能。

重要术语

• 良构（well-formed）
  XML能够符合所有的语法约束。
• 有效（valid）
  XML能够满足比如DTD之类的数据定义。有效的XML一定是良构的，反之不然。很多XML没有相应的DTD或者schema，但这种XML往往又能被解析，而它不能算是有效的。
• 属性
  在起始标签中的描述信息。
• CDATA（Character Data）
  一般指那些没有标记（比如标签）的数据。也可以指CDATA段落，它使得XML解析器在这里关闭标记识别功能。
• PCDATA（Parsed Character Data）
  Parsed意味着XML解析器会对段落中的<和&标记进行处理。它可以被理解为是CDATA数据再加上少数几个标记。

其他注意点

• 特殊字符
  有些特殊的字符是不能在XML文件中直接使用的，必须使用entity（实体）的形式来间接表达，和HTML一样。

特殊字符	实体形式
<	&lt；
>	&gt；
&	&amp；
’	&apos；
"	&quot；

• UTF-8编码
  需提前声明

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

• XSLT
  用来把XML翻译成其他格式，比如HTML。
• XPath
  一种用来筛选XML文档内容的规范。
• SOAP/XML-RPC
  用来与远程服务进行XML信息交换。
• 名称空间
  XML名称空间是确保文档中元素唯一且能相互区分的方法。

<red xmlns="http://colors.beeworkshop.com/my">...</red>
定义名称空间后文档中的元素将与此名称空间所表示的URI相关联。

注意：名称空间中的URI只是一种表示唯一标识的方式，以URI形式表示的名称空间不会有重复。该起唯一标识作用的URI不一定是真实可以访问的网址，解析器也永远不会建立连接来请求此页面资源。
对于同一个元素，可以定义多个名称空间，形式上每个名称空间都要有一个前缀字符串用于标识区分。

<juicebox xmlns:color="http://colors.beeworkshop.com/chart"
		  xmlns:fruit="http://fruits.beeworkshop.com/fruitlst">
	<color:orange>#dd3e00</color:orange>
	<fruit:orange>Citrus sinensis</fruit:orange>
</juicebox>

上边定义了两个名称空间，分别用前缀color和fruit表示。

2. XPath

XPath是一门独立的语言，是W3C的规范。用来定义如何从XML文档中取出感兴趣的数据。有专门的XPath解析器以提供功能上的支持。XPath如果定位路径有问题，程序不会停下来报错，只是不返回任何值。XPath可以用于XML，也可以用于HTML。
教程可参考 https://www.w3school.com.cn/xpath/index.asp
当然XML及XPath都包含在了libxml2库中。
XPath 是 W3C XSLT 标准的主要元素，并且 XQuery 和 XPointer 都构建于 XPath 表达之上。

• 基本概念
  将XML文档的组织理解为LInux的目录树结构。XPath使用了定位路径（location path）的概念来描述通往文档中某个/某些节点的寻址方式。定位路径可以从树的顶端开始，称为绝对路径；也可以从树的某个位置开始，称为相对路径。
  这里用/定义为根节点，把.定义为当前节点（上下文节点），而..定义为上下文节点的父节点。这类似于在Linux文件系统中定位文件。
• 如何得到属性
  可以在属性名前加上@

/network/desc/@name可以得到下边的“a name”

<network>
	<desc name="a name">a comment</desc>
</network>

• 如何得到元素文本节点内容
  可以在定位路径的末尾加上text()

/network/desc/text()可以得到下边的“a comment”

<network>
	<desc name="a name">a comment</desc>
</network>

• 通配符的使用

/network/host/*/arec/text()
用来定位所有在<host></host>节点下带有<arec></arec>子节点的元素节点，并返回<arec></arec>标签中元素的内容。

/network/host/@*
能返回所有<host></host>元素的属性。

注：*可以用来匹配所有元素节点；而node()可以用来匹配所有节点（元素或者其他对象）。

• 搜索子树的所有匹配
  在定位路径的任何位置使用//就意味着从树的那个位置开始一直往下找，返回所有匹配的结果。

/network//arec/text()
从<network></network>节点开始往下找，找出所有<arec></arec>标签中的文本。

• 谓词（Predicates）
  谓词可以让我们能够从所有可选的节点中筛选出感兴趣的。谓词使用[ ]来完成选择。在定位路径中的任何位置都可以使用谓词。具体使用类似数组下标。

/network/host[2]/interface/arec/text()
请选择host的第二个分支，谢谢。数字索引从1开始。

/network/host[@name="babykeeper"]
筛选出父节点network下属性name的值为babykeeper的<host></host>

谓词也可以在路径中间使用
/network/host[@os="linux"]/service/../@name
上边的含义为，查找<network></network>节点下的<host></host>子节点，要求host节点的os属性值为linux，然后搜索抵达<service></service>节点。然后通过../@name来取得父节点的name属性，即当前节点<service></service>的父节点<host></host>的name属性值。达到的效果是取得那些有service子节点的host节点的名字。

//host/service[text()='DNS']
从根开始查找所有包含<service></service>节点的<host></host>节点，要求service节点的文本内容是DNS，即形如
...
	<host>
		<service>DNS</service>
	</host>
...
上述XPath也可简化为
//host/service[.='DNS']

//host/service[starts-with(normalize-space(.),'HTTP')]
谓词限定，首先对service节点的内容取消前后空格，然后看是否以HTTP开头。

• 简写与轴

/child::network/child::host[postition()=2]/child::service[postition()=1]/child::text()
这里child::就是轴，它指出了搜索移动的方向是向DOM树的叶子节点方向进行的。
简写如下
/network/host[2]/service[1]/text()
常用的坐标轴是
following-sibling::
它指示搜索从兄弟节点的同级方向进行。

3. XPath总结

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。
可以使用的第三方工具：
Oxygen XML

XML的例子

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

<bookstore>

<book category="COOKING">
  <title lang="en">Everyday Italian</title>
  <author>Giada De Laurentiis</author>
  <year>2005</year>
  <price>30.00</price>
</book>

<book category="CHILDREN">
  <title lang="en">Harry Potter</title>
  <author>J K. Rowling</author>
  <year>2005</year>
  <price>29.99</price>
</book>

<book category="WEB">
  <title lang="en">XQuery Kick Start</title>
  <author>James McGovern</author>
  <author>Per Bothner</author>
  <author>Kurt Cagle</author>
  <author>James Linn</author>
  <author>Vaidyanathan Nagarajan</author>
  <year>2003</year>
  <price>49.99</price>
</book>

<book category="WEB">
  <title lang="en">Learning XML</title>
  <author>Erik T. Ray</author>
  <year>2003</year>
  <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。

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。

例子

路径表达式	结果
bookstore	选取 bookstore 元素的所有子节点。
/bookstore	选取根元素 bookstore。注释：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。

• 谓词（Predicates）
  谓词用来查找某个特定的节点或者包含某个指定的值的节点。
  谓词被嵌在方括号中。

例子

路径表达式	结果
/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。

• 使用通配符

通配符	描述
*	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。

例子

路径表达式	结果
/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。

• 选择多个路径
  通过在路径表达式中使用“|”运算符，您可以选取若干个路径。

例子

路径表达式	结果
//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。

• XPath轴
  轴可定义相对于当前节点的节点集。

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。
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。

• 位置路径表达式
  位置路径可以是绝对的，也可以是相对的。

绝对路径起始于正斜杠( / )，而相对路径不会这样。在两种情况中，位置路径均包括一个或多个步，每个步均被斜杠分割：

绝对位置路径
/step/step/...
相对位置路径
step/step/...

步（step）包括：

轴（axis）
定义所选节点与当前节点之间的树关系。可以理解为坐标轴。

节点测试（node-test）
识别某个轴内部的节点

零个或者更多谓语（predicate）
更深入地提炼所选的节点集

步的语法：

轴名称::节点测试[谓语]

例子

例子	结果
child::book	选取所有属于当前节点的子元素的 book 节点。
attribute::lang	选取当前节点的 lang 属性。
child：：*	选取当前节点的所有子元素。
attribute：：*	选取当前节点的所有属性。
child::text()	选取当前节点的所有文本子节点。
child::node()	选取当前节点的所有子节点。
descendant::book	选取当前节点的所有 book 后代。
ancestor::book	选择当前节点的所有 book 先辈。
ancestor-or-self::book	选取当前节点的所有 book 先辈以及当前节点（如果此节点是 book 节点）
child：：*/child::price	选取当前节点的所有 price 孙节点。

• XPath的运算符

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

• 常用XPath函数

~ 有关数值的函数

名称	说明
number(arg)	返回参数的数值。参数可以是布尔值、字符串或节点集。例子：number(‘100’)，结果：100
abs(num)	返回参数的绝对值。例子：abs(3.14)，结果：3.14。例子：abs(-3.14)，结果：3.14
ceiling(num)	返回大于 num 参数的最小整数。例子：ceiling(3.14)，结果：4
floor(num)	返回不大于 num 参数的最大整数。例子：floor(3.14)，结果：3
round(num)	把 num 参数舍入为最接近的整数。例子：round(3.14)，结果：3
round-half-to-even()	例子：round-half-to-even(0.5)，结果：0。例子：round-half-to-even(1.5)，结果：2。例子：round-half-to-even(2.5)，结果：2

~ 字符串函数

名称	说明
string(arg)	返回参数的字符串值。参数可以是数字、逻辑值或节点集。例子：string(314)，结果：“314”
codepoints-to-string(int,int,…)	根据代码点序列返回字符串。例子：codepoints-to-string(84, 104, 233, 114, 232, 115, 101)，结果：‘Thérèse’
string-to-codepoints(string)	根据字符串返回代码点序列。例子：string-to-codepoints(“Thérèse”)，结果：84, 104, 233, 114, 232, 115, 101
codepoint-equal(comp1,comp2)	根据 Unicode 代码点对照，如果 comp1 的值等于 comp2 的值，则返回 true。(http://www.w3.org/2005/02/xpath-functions/collation/codepoint)，否则返回 false。
compare(comp1,comp2)，compare(comp1,comp2,collation)	如果 comp1 小于 comp2，则返回 -1。如果 comp1 等于 comp2，则返回 0。如果 comp1 大于 comp2，则返回 1。（根据所用的对照规则）。例子：compare(‘ghi’, ‘ghi’)，结果：0
concat(string,string,…)	返回字符串的拼接。例子：concat('XPath ','is ',‘FUN!’)，结果：‘XPath is FUN!’
string-join((string,string,…),sep)	使用 sep 参数作为分隔符，来返回 string 参数拼接后的字符串。例子：string-join((‘We’, ‘are’, ‘having’, ‘fun!’), ’ ‘)，结果：’ We are having fun! ‘。例子：string-join((‘We’, ‘are’, ‘having’, ‘fun!’))，结果：‘Wearehavingfun!’，例子：string-join((), ‘sep’)，结果：’’
substring(string,start,len)，substring(string,start)	返回从 start 位置开始的指定长度的子字符串。第一个字符的下标是 1。如果省略 len 参数，则返回从位置 start 到字符串末尾的子字符串。例子：substring(‘Beatles’,1,4)，结果：‘Beat’。例子：substring(‘Beatles’,2)，结果：‘eatles’
string-length(string)，string-length()	返回指定字符串的长度。如果没有 string 参数，则返回当前节点的字符串值的长度。例子：string-length(‘Beatles’)，结果：7
normalize-space(string)，normalize-space()	删除指定字符串的开头和结尾的空白，并把内部的所有空白序列替换为一个，然后返回结果。如果没有 string 参数，则处理当前节点。例子：normalize-space(’ The XML ')，结果：‘The XML’
normalize-unicode()	执行 Unicode 规格化。
upper-case(string)	把 string 参数转换为大写。例子：upper-case(‘The XML’)，结果：‘THE XML’
lower-case(string)	把 string 参数转换为小写。例子：lower-case(‘The XML’)，结果：‘the xml’
translate(string1,string2,string3)	把 string1 中的 string2 替换为 string3。例子：translate(‘12:30’,‘30’,‘45’)，结果：‘12:45’。例子：translate(‘12:30’,‘03’,‘54’)，结果：‘12:45’。例子：translate(‘12:30’,‘0123’,‘abcd’)，结果：‘bc:da’
escape-uri(stringURI,esc-res)	例子：escape-uri(“http://example.com/test#car”, true())，结果：“http%3A%2F%2Fexample.com%2Ftest#car”。例子：escape-uri(“http://example.com/test#car”, false())，结果：“http://example.com/test#car”，例子：escape-uri (“http://example.com/~bébé”, false())，结果：“http://example.com/~b%C3%A9b%C3%A9”
contains(string1,string2)	如果 string1 包含 string2，则返回 true，否则返回 false。例子：contains(‘XML’,‘XM’)，结果：true
starts-with(string1,string2)	如果 string1 以 string2 开始，则返回 true，否则返回 false。例子：starts-with(‘XML’,‘X’)，结果：true
ends-with(string1,string2)	如果 string1 以 string2 结尾，则返回 true，否则返回 false。例子：ends-with(‘XML’,‘X’)，结果：false
substring-before(string1,string2)	返回 string2 在 string1 中出现之前的子字符串。例子：substring-before(‘12/10’,’/’)，结果：‘12’
substring-after(string1,string2)	返回 string2 在 string1 中出现之后的子字符串。例子：substring-after(‘12/10’,’/’)，结果：‘10’
matches(string,pattern)	如果 string 参数匹配指定的模式，则返回 true，否则返回 false。例子：matches(“Merano”, “ran”)，结果：true
replace(string,pattern,replace)	把指定的模式替换为 replace 参数，并返回结果。例子：replace(“Bella Italia”, “l”, "")，结果：'Be**a Itaia’。例子：replace(“Bella Italia”, “l”, “”)，结果：‘Bea Itaia’
tokenize(string,pattern)	例子：tokenize(“XPath is fun”, “\s+”)，结果：(“XPath”, “is”, “fun”)

~ 布尔值函数

名称	说明
boolean(arg)	返回数字、字符串或节点集的布尔值。
not(arg)	首先通过 boolean() 函数把参数还原为一个布尔值。如果该布尔值为 false，则返回 true，否则返回 true。例子：not(true())，结果：false
true()	返回布尔值 true。例子：true()，结果：true
false()	返回布尔值 false。例子：false()，结果：false

~ 关于节点的函数

名称	说明
name()，name(nodeset)	返回当前节点的名称或指定节点集中的第一个节点。
local-name()，local-name(nodeset)	返回当前节点的名称或指定节点集中的第一个节点 - 不带有命名空间前缀。
namespace-uri()，namespace-uri(nodeset)	返回当前节点或指定节点集中第一个节点的命名空间 URI。
lang(lang)	如果当前节点的语言匹配指定的语言，则返回 true。例子：Lang(“en”) is true for ＜p xml:lang="en"＞…＜/p＞，例子：Lang(“de”) is false for ＜p xml:lang="en"＞…＜/p＞
root()，root(node)	返回当前节点或指定的节点所属的节点树的根节点。通常是文档节点。

~ 有关序列的函数

名称	说明
index-of((item,item,…),searchitem)	返回在项目序列中等于 searchitem 参数的位置。例子：index-of ((15, 40, 25, 40, 10), 40)，结果：(2, 4)。例子：index-of ((“a”, “dog”, “and”, “a”, “duck”), “a”)，Result (1, 4)。例子：index-of ((15, 40, 25, 40, 10), 18)，结果：()
remove((item,item,…),position)	返回由 item 参数构造的新序列 - 同时删除 position 参数指定的项目。例子：remove((“ab”, “cd”, “ef”), 0)，结果：(“ab”, “cd”, “ef”)。例子：remove((“ab”, “cd”, “ef”), 1)，结果：(“cd”, “ef”)。例子：remove((“ab”, “cd”, “ef”), 4)，结果：(“ab”, “cd”, “ef”)
:empty(item,item,…)	如果参数值是空序列，则返回 true，否则返回 false。例子：empty(remove((“ab”, “cd”), 1))，结果：false
exists(item,item,…)	如果参数值不是空序列，则返回 true，否则返回 false。例子：exists(remove((“ab”), 1))，结果：false
distinct-values((item,item,…),collation)	返回唯一不同的值。例子：distinct-values((1, 2, 3, 1, 2))，结果：(1, 2, 3)
insert-before((item,item,…),pos,inserts)	返回由 item 参数构造的新序列 - 同时在 pos 参数指定位置插入 inserts 参数的值。例子：insert-before((“ab”, “cd”), 0, “gh”)，结果：(“gh”, “ab”, “cd”)。例子：insert-before((“ab”, “cd”), 1, “gh”)，结果：(“gh”, “ab”, “cd”)。例子：insert-before((“ab”, “cd”), 2, “gh”)，结果：(“ab”, “gh”, “cd”)。例子：insert-before((“ab”, “cd”), 5, “gh”)，结果：(“ab”, “cd”, “gh”)
reverse((item,item,…))	返回指定的项目的颠倒顺序。例子：reverse((“ab”, “cd”, “ef”))，结果：(“ef”, “cd”, “ab”)。例子：reverse((“ab”))，结果：(“ab”)
subsequence((item,item,…),start,len)	返回 start 参数指定的位置返回项目序列，序列的长度由 len 参数指定。第一个项目的位置是 1。例子：subsequence(($item1, $item2, $item3,...),3)，结果：($item3, …)。例子：subsequence(($item1, $item2, $item3,...),2,2)，结果：($item2, $item3)
unordered((item,item,…))	依据实现决定的顺序来返回项目。
zero-or-one(item,item,…)	如果参数包含零个或一个项目，则返回参数，否则生成错误。
one-or-more(item,item,…)	如果参数包含一个或多个项目，则返回参数，否则生成错误。
exactly-one(item,item,…)	如果参数包含一个项目，则返回参数，否则生成错误。
deep-equal(param1,param2,collation)	如果 param1 和 param2 与彼此相等（deep-equal），则返回 true，否则返回 false。
count((item,item,…))	返回节点的数量。
avg((arg,arg,…))	返回参数值的平均数。 例子：avg((1,2,3)) 结果：2
max((arg,arg,…))	返回大于其它参数的参数。 例子：max((1,2,3)) 结果：3 例子：max((‘a’, ‘k’)) 结果：‘k’
min((arg,arg,…))	返回小于其它参数的参数。 例子：min((1,2,3)) 结果：1 例子：min((‘a’, ‘k’)) 结果：‘a’
sum(arg,arg,…)	返回指定节点集中每个节点的数值的总和。
id((string,string,…),node)	Returns a sequence of element nodes that have an ID value equal to the value of one or more of the values specified in the string argument
idref((string,string,…),node)	Returns a sequence of element or attribute nodes that have an IDREF value equal to the value of one or more of the values specified in the string argument
doc(URI)，doc-available(URI)	如果 doc() 函数返回文档节点，则返回 true，否则返回 false。
collection()，collection(string)

~ 上下文函数

名称	说明
position()	返回当前正在被处理的节点的 index 位置。例子：//book[position()<=3]，结果：选择前三个 book 元素
last()	返回在被处理的节点列表中的项目数目。例子：//book[last()]，结果：选择最后一个 book 元素
current-dateTime()	返回当前的 dateTime（带有时区）。
current-date()	返回当前的日期（带有时区）。
current-time()	返回当前的时间（带有时区）。
implicit-timezone()	返回隐式时区的值。
default-collation()	返回默认对照的值。
static-base-uri()	返回 base-uri 的值。