python： Xpath 和正则 re 简介

格式化文件 XML，JSON

一、Xpath

• 在XML文件中查找信息的一套规则，根据XML的元素或者属性进遍历
• http://www.w3school.com.cn/xpath/index.asp

1、Xpath开发工具

• 开源的Xpath表达式编辑工具:XMLQuire
• Chrome插件：Xpath Helper
• Firefox插件：Xpath Checker

2、xml选取节点

• nodename：选取此节点的所有子节点

• /：从根节点开始选取

• //：选取节点，不考虑位置

• .：选取当前的节点

• …：选取当前节点的父节点

• @：选取属性

   <?xml version="1.0" encoding="utf-8" ?>
   <school>    
   	<teacher>        
   		<name>LiuDa</name>        
   		<age detail="Age for 2010">18</age>        
   		<mobile>13225775176</mobile>    
   	</teacher>    
   	<student score='99'>        
   		<name other="他是班长">Anrry</name>        
   		<age detail="He is the yongest in class">11</age>    
   	</student>    
   	<student>        
   		<name>Jane</name>        
   		<age>12</age>        
   		<mobile>1555687952</mobile>    
   	</student>
   </school>
  

• 基于xml的案例

   school/teacher：返回teacher节点        
   school/student：返回两个student节点        
   //student：选取所有student的节点，不考虑位置        
   school//age：选取school后代中所有age节点        
   //@other：选取other属性        
   //age[@detail]：选取带有属性detail的age元素
  

3、谓语-Predicates

• 选取school下面的第一个student节点

    /school/student[1]
  

• 选取school下面的最后一个student节点

    /school/student[last()]		
  

• 选取school下面的倒数第二个student节点

    /school/student[last()-1]
  

• 选取school下面的前两个student节点

    /school/student[position()<3]
  

• 选取带有属性score的student节点

     //student[@score]
  

• 选取带有属性score且值为99的student节点

    //student[@score="99"]
  

• 选取带有属性score的student节点的子节点age

    //student[@score]/age
  

4、Xpath的一些操作

• |：或者

    //student[@score] | //teacher
  

  选取带有属性score的student节点和teacher节点

二、正则表达式（re）

• 是一个计算机科学的概念-
• 用于使用单个字符串来描述，匹配符合某个规则的字符串
• 常常用来检索，替换某些模式的文本

正则的写法

• .(点号)：表示任意一个字符，处了\n，比如查找所有的一个字符 \.
• []：匹配中括号中列举的任意字符
• \d：任意一个数字- \D：处了数字都可以
• \s：表示空格，tab键
• \S：除了空白符号
• \w：单词字符，就是a-z,A-Z,0-9,_
• \W：除了\w
• *：表示前面的内容重复零次或者多次
• +：表示前面内容至少出现一次
• ？：前面才出现的内容0次或者一次
• {m,n}：允许前面的内容出现最少m次，最多n次
• ^：匹配字符串的开始
• $：匹配字符串的结尾
• \b：匹配单词的边界
• ()：对正则表达式内容进行分组，从第一个括号开始，编号渐渐增大
• \A：只匹配字符串开头
• \Z：仅匹配字符串末尾
• |：左右任意一个
• (?P< name>…)：分组，除了原来的标号再指定一个别名
• (?P=name)：引用分组