深入理解 XPath：XML 和 HTML 文档的利器

XPath（XML Path Language）是一种用于在 XML 和 HTML 文档中定位节点的语言。它常用于 XML 解析、Web 数据抓取（如 Selenium 或 Scrapy）以及配置文件解析。本文将带你深入了解 XPath 的语法、功能及其在实际中的应用。

---

一、什么是 XPath？

XPath 是 W3C 标准的一部分，主要用于在 XML 和 HTML 文档中通过路径表达式导航。它支持强大的查询功能，可以通过标签、属性、文本内容等多种方式快速定位节点。

XPath 的核心概念：

1. 节点：文档的基本构成，包括元素节点、属性节点、文本节点等。
2. 路径：用类似文件系统路径的方式表示节点的位置。
3. 谓词：通过条件筛选节点。

---

二、XPath 的基本语法

XPath 使用路径表达式来选择节点。以下是一些常用的表达式和用法：

1. 绝对路径和相对路径

• 绝对路径：以 / 开头，从根节点开始选择。

  /html/body/div
  

  匹配从根节点到 div 的完整路径。

• 相对路径：以 // 开头，从任意位置匹配符合条件的节点。

  //div
  

  匹配文档中所有的 div 节点。

2. 通配符

• *：匹配任意节点。

  /html/body/*  # 匹配 body 下的所有子节点
  

• @*：匹配任意属性。

  //div[@*]  # 匹配具有任意属性的 div 节点
  

3. 谓词

谓词使用 [] 表示，用于过滤节点。

• 按索引匹配：

  //div[1]  # 匹配第一个 div 节点
  

• 按属性匹配：

  //div[@class='content']  # 匹配 class 属性为 'content' 的 div 节点
  

• 按文本内容匹配：

  //div[text()='Hello World']  # 匹配内容为 'Hello World' 的 div 节点
  

4. 轴（Axes）

轴用于指定节点的关系，如父节点、兄弟节点、子节点等。

• parent：选择父节点。

  //div/parent::body