Xpath详解，总结

最新推荐文章于 2024-09-25 16:51:14 发布
最新推荐文章于 2024-09-25 16:51:14 发布
阅读量376 收藏 1
点赞数 1
原文链接：https://www.cnblogs.com/ktgu/archive/2009/04/16/1353246.html
版权

 经常在工作中会使用到XPath的相关知识，但每次总会在一些关键的地方不记得或不太清楚，所以免不了每次总要查一些零碎的知识，感觉即很烦又浪费时间，所以对XPath归纳及总结一下。

在这篇文章中你将能学习到：

  • XPath简介
  • XPath 路径表达式详解
  • XPath在DOM，XSLT及XQuery中的应用

XPath简介

XPath是W3C的一个标准。它最主要的目的是为了在XML1.0或XML1.1文档节点树中定位节点所设计。目前有XPath1.0和XPath2.0两个版本。其中Xpath1.0是1999年成为W3C标准，而XPath2.0标准的确立是在2007年。W3C关于XPath的英文详细文档请见：http://www.w3.org/TR/xpath20/ 。

 

XPath是一种表达式语言，它的返回值可能是节点，节点集合，原子值，以及节点和原子值的混合等。XPath2.0是XPath1.0的超集。它是对XPath1.0的扩展，它可以支持更加丰富的数据类型，并且XPath2.0保持了对XPath1.0的相对很好的向后兼容性，几乎所有的XPath2.0的返回结果都可以和XPath1.0保持一样。另外XPath2.0也是XSLT2.0和XQuery1.0的用于查询定位节点的主表达式语言。XQuery1.0是对XPath2.0的扩展。关于在XSLT和XQuery中使用XPath表达式定位节点的知识在后面的实例中会有所介绍。

 

在学习XPath之前你应该对XML的节点，元素，属性，原子值（文本），处理指令，注释，根节点（文档节点），命名空间以及对节点间的关系如：父（Parent），子（Children），兄弟（Sibling），先辈（Ancestor），后代（Descendant）等概念有所了解。这里不在说明。

 

XPath路径表达式

在本小节下面的内容中你将可以学习到：

  • 路径表达式语法
  • 相对/绝对路径
  • 表达式上下文
  • 谓词（筛选表达式）及轴的概念
  • 运算符及特殊字符
  • 常用表达式实例
  • 函数及说明

这里给出一个实例Xml文件。下面的说明及实例都是基于该XML文件。

<?xml version="1.0" encoding="UTF-8"?>
<!-- edited with XMLSpy v2008 rel. 2 sp2 (http://www.altova.com) by Administrator -->
<?xml-stylesheet type="text/xsl" href="messages.xsl"?>
<messages>
	<message id="1">
		<sender>gukaitong@gmail.com</sender>
		<to>anonymous@gmail.com
				<group name="IT">
				<address>111@gmail.com</address>
				<address>222@gmail.com</address>
				<address>aaa@gmail.com</address>
				<address>bbb@gmail.com</address>
				<address>ccc@gmail.com</address>
			</group>
		</to>
		<subject>This is a sample</subject>
		<datetime date="2008-12-11" time="12:00:00" formatted="12/11/2008 12:00AM">2008-12-11T12:00:00Z</datetime>
		<body>
			Are you interested in? 
			<attachments>
				<attachment id="1">
					<message id="0">
						<sender>anonymous@gmail.com</sender>
						<to>gukaitong@gmail.com</to>
						<body>
We strongly recommend the following books
							<books xmlns:amazon="http://www.amazon.com/books/schema">
								<amazon:book>
									<name>Professional C# 2008 </name>
									<country>USA</country>
									<price>37.79</price>
									<year>2007</year>
								</amazon:book>
								<amazon:book>
									<name>Microsoft Visual C# 2008 Step by Step </name>
									<country>USA</country>
									<price>26.39 </price>
									<year>2008</year>
								</amazon:book>
								<amazon:book>
									<name>C# in Depth</name>
									<country>USA</country>
									<price>29.69 </price>
									<year>2006</year>
								</amazon:book>
								<amazon:book>
									<name>Thinking in Java</name>
									<country>USA</country>
									<price>23.69 </price>
									<year>2004</year>
								</amazon:book>
							</books>
						</body>
					</message>
				</attachment>
			</attachments>
		</body>
	</message>
	<message id="2">
		<sender>333@gmail.com</sender>
		<to>444@gmail.com</to>
		<subject>No title</subject>
		<body/>
	</message>
</messages>

  1. 路径表达式语法：

     

    1. 路径 = 相对路径 | 绝对路径
    2. XPath路径表达式 = 步进表达式 | 相对路径 "/"步进表达式。
    3. 步进表达式=轴 节点测试 谓词

说明：

  1. 其中轴表示步进表达式选择的节点和当前上下文节点间的树状关系（层次关系），节点测试指定步进表达式选择的节点名称扩展名，谓词即相当于过滤表达式以进一步过滤细化节点集。
  2. 谓词可以是0个或多个。多个多个谓词用逻辑操作符and， or连接。取逻辑非用not()函数。

请看一个典型的XPath查询表达式：/messages/message//child::node()[@id=0]，其中/messages/message是路径（绝对路径以"/"开始），child::是轴表示在子节点下选择，node()是节点测试表示选择所有的节点。[@id=0]是谓词，表示选择所有有属性id并且值为0的节点。

  1. 相对路径与绝对路径：

如果"/"处在XPath表达式开头则表示文档根元素，（表达式中间作为分隔符用以分割每一个步进表达式）如：/messages/message/subject是一种绝对路径表示法，它表明是从文档根开始查找节点。假设当前节点是在第一个message节点【/messages/message[1]】，则路径表达式subject（路径前没有"/"）这种表示法称为相对路径，表明从当前节点开始查找。具体请见下面所述的"表达式上下文"。

 

  1. 表达式上下文（Context）:

上下文其实表示一种环境。以明确当前XPath路径表达式处在什么样的环境下执行。例如同样一个路径表达式处在对根节点操作的环境和处在对某一个特定子节点操作的环境下执行所获得的结果可能是完全不一样的。也就是说XPath路径表达式计算结果取决于它所处的上下文。

 

XPath上下文基本有以下几种：

  • 当前节点(./)：

    如./sender表示选择当前节点下的sender节点集合（等同于下面所讲的"特定元素"，如：sender）

  • 父节点(../)：

    如../sender表示选择当前节点的父节点下的sender节点集合

  • 根元素（/）：

    如/messages表示选择从文档根节点下的messages节点集合.

  • 根节点（/*）：

    这里的*是代表所有节点，但是根元素只有一个，所以这里表示根节点。/*的返回结果和/messages返回的结果一样都是messages节点。

  • 递归下降（//）:

    如当前上下文是messages节点。则//sender将返回以下结果：

    /messages//sender :

    <sender>gkt1980@gmail.com</sender>

    <sender>111@gmail.com</sender>

    <sender>333@gmail.com</sender>

     

    /messages/message[1]//sender:

    <sender>gkt1980@gmail.com</sender>

    <sender>111@gmail.com</sender>

     

    我们可以看出XPath表达式返回的结果是：从当前节点开始递归步进搜索当前节点下的所有子节点找到满足条件的节点集。

     

  • 特定元素

    如sender：表示选择当前节点下的sender节点集合，等同于（./sender）

注意：在执行XPath时一定要注意上下文。即当前是在哪个节点下执行XPath表达式。这在XMLDOM中很重要。如：在XMLDOM中的selectNodes,selectSingleNode方法的参数都是一个XPath表达式，此时这个XPath表达式的执行上下文就是调用这个方法的节点及它所在的环境。更多信息请参见：http://www.w3.org/TR/xpath20/

  1. 谓词（筛选表达式）及轴的概念：

XPath的谓词即筛选表达式，类似于SQL的where子句.

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

直到所有这个节点的父辈节点，顺序选择每个父辈节点前的所有同级节点

preceding-sibling

选取当前节点之前的所有同级节点。

self

选取当前节点。

 

  1. 运算符及特殊字符：

运算符/特殊字符

说明

/

此路径运算符出现在模式开头时，表示应从根节点选择。

//

从当前节点开始递归下降，此路径运算符出现在模式开头时，表示应从根节点递归下降。

.

当前上下文。

..

当前上下文节点父级。

*

通配符；选择所有元素节点与元素名无关。（不包括文本，注释，指令等节点，如果也要包含这些节点请用node()函数）

@

属性名的前缀。

@*

选择所有属性，与名称无关。

:

命名空间分隔符；将命名空间前缀与元素名或属性名分隔。

( )

括号运算符(优先级最高)，强制运算优先级。

[ ]

应用筛选模式（即谓词，包括"过滤表达式"和"轴（向前/向后）"）。

[ ]

下标运算符；用于在集合中编制索引。

|

两个节点集合的联合，如：//messages/message/to | //messages/message/cc

-

减法。

div，

浮点除法。

and, or

逻辑运算。

mod

求余。

not()

逻辑非

=

等于

！=

不等于

特殊比较运算符

< 或者 &lt;

<= 或者 &lt;=

> 或者 &gt;

>= 或者 &gt;=

需要转义的时候必须使用转义的形式，如在XSLT中，而在XMLDOM的scripting中不需要转义。

 

  1. 常用表达式实例：

     

/

Document Root文档根.

/*

选择文档根下面的所有元素节点，即根节点（XML文档只有一个根节点）

/node()

根元素下所有的节点（包括文本节点，注释节点等）

/text()

查找文档根节点下的所有文本节点

/messages/message

messages节点下的所有message节点

/messages/message[1]

messages节点下的第一个message节点

/messages/message[1]/self::node()

第一个message节点（self轴表示自身，node()表示选择所有节点）

/messages/message[1]/node()

第一个message节点下的所有子节点

/messages/message[1]/*[last()]

第一个message节点的最后一个子节点

/messages/message[1]/[last()]

Error，谓词前必须是节点或节点集

/messages/message[1]/node()[last()]

第一个message节点的最后一个子节点

/messages/message[1]/text()

第一个message节点的所有子节点

/messages/message[1]//text()

第一个message节点下递归下降查找所有的文本节点（无限深度）

/messages/message[1] /child::node()

/messages/message[1] /node()

/messages/message[position()=1]/node()

//message[@id=1] /node()

第一个message节点下的所有子节点

//message[@id=1] //child::node()

递归所有子节点（无限深度）

//message[position()=1]/node()

选择id=1的message节点以及id=0的message节点

/messages/message[1] /parent::*

Messages节点

/messages/message[1]/body/attachments/parent::node()

/messages/message[1]/body/attachments/parent::* /messages/message[1]/body/attachments/..

attachments节点的父节点。父节点只有一个,所以node()和* 返回结果一样。

（..也表示父节点. 表示自身节点）

//message[@id=0]/ancestor::*

Ancestor轴表示所有的祖辈，父，祖父等。

向上递归

//message[@id=0]/ancestor-or-self::*

向上递归,包含自身

//message[@id=0]/ancestor::node()

对比使用*,多一个文档根元素(Document root)

/messages/message[1]/descendant::node()

//messages/message[1]//node()

递归下降查找message节点的所有节点

/messages/message[1]/sender/following::*

查找第一个message节点的sender节点后的所有同级节点，并对每一个同级节点递归向下查找。

//message[@id=1]/sender/following-sibling::*

查找id=1的message节点的sender节点的所有后续的同级节点。

//message[@id=1]/datetime/@date

查找id=1的message节点的datetime节点的date属性

//message[@id=1]/datetime[@date]

//message/datetime[attribute::date]

查找id=1的message节点的所有含有date属性的datetime节点

//message[datetime]

查找所有含有datetime节点的message节点

//message/datetime/attribute::*

//message/datetime/attribute::node()

//message/datetime/@*

返回message节点下datetime节点的所有属性节点

//message/datetime[attribute::*]

//message/datetime[attribute::node()]

//message/datetime[@*]

//message/datetime[@node()]

选择所有含有属性的datetime节点

//attribute::*

选择根节点下的所有属性节点

//message[@id=0]/body/preceding::node()

顺序选择body节点所在节点前的所有同级节点。（查找顺序为：先找到body节点的顶级节点（根节点）,得到根节点标签前的所有同级节点，执行完成后继续向下一级，顺序得到该节点标签前的所有同级节点，依次类推。）

注意：查找同级节点是顺序查找，而不是递归查找。

//message[@id=0]/body/preceding-sibling::node()

顺序查找body标签前的所有同级节点。（和上例一个最大的区别是：不从最顶层开始到body节点逐层查找。我们可以理解成少了一个循环，而只查找当前节点前的同级节点）

//message[@id=1]//*[namespace::amazon]

查找id=1的所有message节点下的所有命名空间为amazon的节点。

//namespace::*

文档中的所有的命名空间节点。（包括默认命名空间xmlns:xml）

//message[@id=0]//books/*[local-name()='book']

选择books下的所有的book节点，

注意：由于book节点定义了命名空间<amazone:book>.若写成//message[@id=0]//books/book则查找不出任何节点。

//message[@id=0]//books/*[local-name()='book' and namespace-uri()='http://www.amazon.com/books/schema']

选择books下的所有的book节点，(节点名和命名空间都匹配)

//message[@id=0]//books/*[local-name()='book'][year>2006]

选择year节点值>2006的book节点

//message[@id=0]//books/*[local-name()='book'][1]/year>2006

指示第一个book节点的year节点值是否大于2006.

返回xs:boolean: true

 

  1. 函数及说明：

 

值得欣喜的是XPath函数和XSLT，XQuery等共享函数库，函数库为我们提供了功能丰富的各种函数的调用，我们也可以自定义自己的函数。这里不再对每个函数的用法逐一说明，英文好点的朋友直接去看看w3关于XPath函数的介绍吧：http://www.w3.org/TR/xquery-operators 。中文的可以参考这个网站, http://www.w3school.com.cn/xpath/xpath_functions.asp

 

XPath在DOM,XSLT及XQuery中的应用

DOM：

<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">

<html xmlns="http://www.w3.org/1999/xhtml">

<head>

<title>XPath Test</title>

</head>

<body>

 

<script language="javascript" type="text/javascript">

var xmlDoc = new ActiveXObject("Microsoft.XMLDOM");

xmlDoc.async="false";

xmlDoc.load("messages.xml");

xmlDoc.setProperty("SelectionLanguage", "XPath");

    var sPath = "/messages/message[1]//books/*[local-name()='book']";

var bookNodes = xmlDoc.selectNodes(sPath);

 

document.write("<ul>");

for ( var i = 0; i < bookNodes.length; i++) {

document.write("<li>" + bookNodes[i].childNodes[0].text + "</li>");

}

document.write("</ul>");

</script>

 

</body>

</html>

 

注意：

我们若使用new ActiveXObject("Microsoft.XMLDOM")则需要注意的是：因为早期的XMLDOM的SelectionLanguage属性默认是正则表达式，不是XPath语言。所以需要指定这样一条语句xmlDoc.setProperty("SelectionLanguage", "XPath"); 以支持XPath查询表达式。.

若没有指定SelectionLanguage属性值为XPath则要注意以下情况：

  1. 数组下标从0开始（我们知道在XPath查询表达式中数组下标是从1开始的）
  2. 不支持在XPath查询表达式中使用XPath函数。

XSLT：

见：我的另外一篇关于如何使用XSLT的一个小示范http://www.cnblogs.com/ktgu/archive/2008/12/14/1354890.html

XQuery：

XQuery查询表达式：

xquery version "1.0";

 

<ul>

{

let $i := 0

for $x in doc("C:\Users\Administrator\Desktop\messages.xml")//message[@id=0]//books/*[local-name()='book']

where $x/year>2006

order by $x/year descending

return <li>{ data($x/name) } </li>

}

</ul>

 

返回结果：

<ul>

    <li>Microsoft Visual C# 2008 Step by Step </li>

    <li>Professional C# 2008 </li>

</ul>

 

这里只是非常简单的介绍一下应用，XPath的其他应用场合和应用技巧大家自己总结吧，若有好的体验，觉得很爽的话，别忘了告诉哥们一下啊，大家共同提高：）

dieorlife
关注
万字博文教你python爬虫XPath库【详解篇】
孤寒者的博客
09-29 57万+
 ????相信不少小伙伴们通过我的两篇万字博文的轮番轰炸已经实现了从入坑到会完全学会requests库，并且可以独立开发出属于自己的小爬虫项目！！！——爬虫之路，永无止境~????    ????第一篇爬虫入坑文；一篇万字博文带你入坑爬虫这条不归路 【万字图文】????  ????第二篇爬虫库requests库详解。两万字博文教你python爬虫requests库【详解篇】????    ????但是爬虫爬虫，重在爬取到我们想要的数据，那么我们该如何提取页面中我们所需要的信息呢？为了让小伙伴们更加深入的学习
XPath 运算符
青崖梦
01-02 382
XPath 表达式可返回节点集、字符串、逻辑值以及数字。 XPath 运算符 下面列出了可用在 XPath 表达式中的运算符： 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 ...
XPath详解，总结
weixin_30247159的博客
04-16 1694
经常在工作中会使用到XPath的相关知识，但每次总会在一些关键的地方不记得或不太清楚，所以免不了每次总要查一些零碎的知识，感觉即很烦又浪费时间，所以对XPath归纳及总结一下。 在这篇文章中你将能学习到： XPath简介 XPath 路径表达式详解 XPath在DOM，XSLT及XQuery中的应用 XPath简介 XPath是W3C的一个标准。它最主要的目的是为了在...
XPath【详细解读】
最新发布
weixin_47734224的博客
09-25 1284
XPath，网页数据的导航者，简洁的语法蕴含着强大的选择力量。从基础到进阶，每一步学习都是通往高效数据提取的阶梯。实践与理解并行，它已成为开发者不可或缺的工具。在数据洪流中，XPath犹如一盏明灯，指引我们精确获取所需，不断解锁互联网的深层价值。继续探索，让XPath助力你的每一次数据之旅。
php domxpath html,PHP DOM / XPath
weixin_30711615的博客
06-15 161
Hopefully should be a simple question for someone that has done it before!I have a list of old web documents in table format with lots of contact details in it. What I have managed so far is to create...
php xpath dom_PHP DOM：使用XPath
culi3118的博客
08-11 807
php xpath domIn a recent article I discussed PHP’s implementation of the DOM and introduced various functions to pull data from and manipulate an XML structure. I also briefly mentioned XPath, but did...
xpath详解总结,很全面[参照].pdf
10-12
XPath 详解总结 XPath 是 W3C 的一个标准，它的主要目的是为了在 XML 文档节点树中定位节点。XPath 有两种版本：XPath1.0 和 XPath2.0。XPath2.0 是 XPath1.0 的超集，支持更加丰富的数据类型，并且保持了对 XPath...
xpath详解总结-很全面.docx
06-26
XPath 详解总结 XPath 是 W3C 的一个标准，主要目的是为了在 XML1.0 或 XML1.1 文档节点树中定位节点所设计。XPath 是一种表达式语言，返回值可能是节点、节点集合、原子值、节点和原子值的混合等。 XPath 路径...
XPath详解PDF版
10-12
### XPath详解 #### 一、XPath简介 XPath是一种在XML文档中查找信息的语言。它用于在XML树结构中导航，并且能够返回所匹配节点或节点集。XPath的强大之处在于其简洁性和灵活性，允许用户轻松地从复杂的XML文档中...
python3 xpath和requests应用详解
09-17
### Python3中XPath与Requests的应用详解 #### 一、引言 在Web开发与数据抓取领域，Python凭借其简洁的语法与强大的第三方库支持，成为处理这些任务时的首选语言之一。其中，`requests` 和 `lxml`（尤其是其中的...
php domxpath,PHP DOMXPath 用法 手册 | 示例代码
weixin_42391485的博客
03-11 236
When working with XML (as a strict format) might be very important to give a namespace to XPath object in order to make it work properly.I was experiencing "query" always returning empty node lists, i...
xpath之数组定位
kash_chen007的专栏
10-28 6412
翻页是常用的功能，写了个demo希望能够帮助
Xpath运算符
weixin_30786617的博客
07-08 206
5、position定位 >>print tree.xpath('//*[@id="testid"]/ol/li[position()=2]/text()')[0] >>2 6、条件 >>定位所有h2标签中text值为`这里是个小标题` >>print tree.xpath(u'//...
XPath运算符
weixin_42825585的博客
02-23 434
XPath运算符
php domxpath,php – DOMXpath – 获取一个元素的href属性和文本值
weixin_29153859的博客
03-11 423
所以我有一个这样的HTML字符串：Some NameSome Name2使用XPath我可以使用此Xpath查询获取href属性的值：$domXpath = new \DOMXPath($this->domPage);$hrefs = $domXpath->query("//td[@class='name']/a/@href");foreach($hrefs as $href) {.....
php dom 查询,php – DOM XPath查询帮助
weixin_29058331的博客
03-11 240
所以这个xpath查询让我抓狂.我正在尝试做的是搜索特定课程类型的高尔夫球场的xml文件(在这种情况下是与谷歌地图api一起使用的kml文件)并抓取每个匹配的< Placemark>元素,以便我可以创建一个新的xml对象与结果,以便我可以进一步使用新查询进行过滤.问题是我似乎无法弄清楚如何获得每个匹配< Placemark>元件$xml = 'Test Country Cl...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值