一、简介
xpath是什么?说简单点就是xml的定位语言,即XML Path Language,它是一种用来确定XML文档中某部分位置的语言。
XPath基于XML的树状结构,提供在数据结构树中找寻节点的能力。起初XPath的提出的初衷是将其作为一个通用的、介于XPointer与XSL间的语法模型。但是XPath很快的被开发者采用来当作小型查询语言。
二、常用的语法
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。
下面列出了最有用的路径表达式:
表达式 | 作用 |
---|---|
nodename | 匹配此几点的所有子节点 |
/ | 匹配根节点 |
// | 匹配任意位置的节点 |
. | 匹配当前节点 |
.. | 匹配当前节点的父节点 |
@ | 匹配属性 |
在下面的表格中,我们已列出了一些路径表达式以及表达式的结果:
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 |
注:若是非来自我的python爬虫自学宝典而访问此页的人,看到这里就可以不用向下看了。
三、xpath谓词
xpath支持谓词——也就是在节点后增加一个方括号,在括号内放一个限制表达式对该节点进行限制。
例如://div[@class=“job-primary”]表示匹配页面中任意位置的div[class=“job-primary”]元素。
假如你想匹配<div class=“job-primary”>元素下的<h3>元素内容,则应该将xpath写成://div[@class=“job-primary”]/h3/text()
注:若是来自我的python爬虫自学宝典而访问此页的人,看到这里就可以不用向下看了。下文是我找其它资料写的,与标题内容无关。
四、表达式
XPath 使用路径表达式来选取 XML 文档中的节点或者节点集。这些路径表达式和我们在常规的电脑文件系统中看到的表达式非常相似。路径表达式是从一个XML节点(当前的上下文节点)到另一个节点、或一组节点的书面步骤顺序。这些步骤以“/”字符分开,每一步有三个构成成分:
- 轴描述(用最直接的方式接近目标节点)
- 节点测试(用于筛选节点位置和名称)
- 节点描述(用于筛选节点的属性和子节点特征)
一般情况下,我们使用简写后的语法。虽然完整的轴描述是一种更加贴近人类语言,利用自然语言的单词和语法来书写的描述方式,但是相比之下也更加啰嗦。