xpath 表达式 div里的所有p_一文搞懂XPath 定位

XPath (XML Path Language) 是一门在 XML 文档中查找信息的语言，可用来在 XML 文档中对元素和属性进行遍历。

XPath定位在爬虫和自动化测试中都比较常用，通过使用路径表达式来选取 XML 文档中的节点或者节点集，熟练掌握XPath可以极大提高提取数据的效率。

因为XPath解析数据是基于元素(Element)的树形结构，所以学习XPath前，先了解一下html的结构及常用标签。

关于HTML学习可以参考W3School文档：https://www.w3school.com.cn/html/index.asp

常用标签

标题：<h1>、<h2>、<h3>、<h4>、<h5>、<h6>、<title>段落：<p>链接：<a>图像：<img>样式：<style>列表：无序列表<ul>、有序列表<ol>、列表项<li>块：<div>、<span>脚本：<script>注释：

XPath表达式学习

常用表达式

表达式	描述
nodename	选取此节点的所有子节点。
/	从根节点开始选取，绝对定位
//	从符合条件的元素的开始，而不考虑它们的位置。相对定位
.	选取当前节点
..	选取当前节点的父节点
@	选取属性

常用案例

谓语表达式

谓语用来查找某个特定的节点或者包含某个指定值的节点，被嵌在方括号中。

通配符

通配符	描述
*	匹配任何元素节点。
@	匹配任何属性节点。

XPath常用的定位方式

1.元素属性，快速定位，唯一属性： 

//*[@id="images"]

2.层级与属性结合，解决没有属性问题：

//div[@id="images"]/a[1]

3.属性与逻辑结合，解决多个属性重名问题：

//*[@id="su" and @ ]

注意，表达式里的下标是从1开始的。

绝对定位以/开头，依赖页面的元素的顺序和位置，相对定位以//开头，不依赖页面元素顺序和位置，根据条件进行匹配，优先使用相对定位。

学习XPath本质就是掌握各种表达式的技巧，除了上述说到方法外，还有一些特别的定位方式：

4.查找id属性的值包含"kw"的元素： 

//*[contains(@id,'kw')]

5.查找⽂本⾥包含"新闻"的元素：

//*[contains(text(),'新闻')]

6.查找class属性中开始位置包含's_form_wrapper'关键字的元素：

//*[starts-with(@class,'s_form_wrapper')]

7.使⽤多个相对路径去定位⼀个元素⽤//分开:

//div[@class=‘formgroup’]//input[@id=‘user-message’]

8.轴定位：

轴定位，使用::表示

查找id="head"元素后⾯标签名为input的第一个元素

//*[@id="head"]//following::input[1]

在浏览器中查找和验证XPath

1.使用Chrome浏览器的开发者工具，可以快速获取XPath表达式：

点击选择光标，选择页面上的元素位置，在控制台右键选择Copy XPath，表达式就复制到粘贴板中了。

获取到的XPath路径：//*[@id="su"]

获取full XPath：/html/body/div[1]/div[1]/div[5]/div/div/form/span[2]/input

2.验证表达式：

按键“Ctrl+F”，在控制台中输入需要检查的XPath路径，对应的元素会有的颜色标识。