XPath 使用路径表达式来选取 XML 文档中的节点或节点集。节点是通过沿着路径 (path) 或者步 (steps) 来选取的。
路径表达式
表达式 | 描述 |
---|---|
nodename | 选取此节点的所有子节点。 |
/ | 从根节点选取。 |
// | 从匹配选择的当前节点选择文档中的节点,而不考虑它们的位置。 |
. | 选取当前节点。 |
… | 选取当前节点的父节点。 |
@ | 选取属性。 |
路径案例
路径表达式 | 结果 |
---|---|
body | 选取 body 元素的所有子节点。 |
/head | 选取根元素下head。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! |
div/a | 选取属于 div 的子元素的所有 a 元素。 |
//a | 选取所有 a 子元素,而不管它们在文档中的位置。 |
div//a | 选择属于 div 元素的后代的所有 a 元素,而不管它们位于 bookstore 之下的什么位置。 |
//@class | 选取名为 claa 的所有属性。 |
./a | 选取当前元素下的a |
…/a | 选取父元素下的a |
a/@href | 选取a标签的href属性 |
a/text() | 选取a标签下的文本 |
谓语(Predicates)
谓语用来查找某个特定的节点或者包含某个指定的值的节点。
谓语被嵌在方括号中。
谓语实例
在下面的表格中,我们列出了带有谓语的一些路径表达式,以及表达式的结果:
路径表达式 | 结果 |
---|---|
/body/div[1] | 选取属于 body 子元素的第一个 div 元素。 |
/body/div[last()] | 选取属于 body 子元素的最后一个 div 元素。 |
/body/div[last()-1] | 选取属于 body 子元素的倒数第二个 div 元素。 |
/body/div[position()< 3 ] | 选取最前面的两个属于 bookstore 元素的子元素的 book 元素。 |
//div[@id] | 选取所有拥有名为 id 的属性的 div 元素。 |
//div[@class=‘eng’] | 选取所有 div 元素,且这些元素拥有值为 eng 的 class 属性。 |
/body/span[size>35.00] | 选取 body 元素的所有 span 元素,且其中的 size 元素的值须大于 35.00。 |
/body/span[size>35.00]/title | 选取 body 元素中的 span 元素的所有 title 元素,且其中的 price 元素的值须大于 35.00。 |
选取未知节点
XPath 通配符可用来选取未知的 XML 元素。
通配符 | 描述 |
---|---|
* | 匹配任何元素节点。 |
@* | 匹配任何属性节点。 |
node() | 匹配任何类型的节点。 |
实例
在下面的表格中,我们列出了一些路径表达式,以及这些表达式的结果:
路径表达式 | 结果
/body/* | 选取 body 元素的所有子元素。
//* |选取文档中的所有元素。
//title[@*] |选取所有带有属性的 title 元素。
选取若干路径
通过在路径表达式中使用“|”运算符,您可以选取若干个路径。
实例
在下面的表格中,我们列出了一些路径表达式,以及这些表达式的结果:
路径表达式 | 结果 |
---|---|
//head/title | //head/price | 选取 head 元素的所有 title 和 price 元素。 |
//title | //price | 选取文档中的所有 title 和 price 元素。 |
/body/book/title | //price | 选取属于 body 元素的 book 元素的所有 title 元素,以及文档中所有的 price 元素。 |
Xpath轴
轴可以定义相对于当前节点的节点集
轴名称 | 表达式 | 描述 |
---|---|---|
ancestor | ./ancestor::* | 选取当前节点的所有先辈节点(父、祖父) |
ancestor-or-self | ./ancestor-or-self::* | 选取当前节点的所有先辈节点以及节点本身 |
descendant | ./descendant::* | 返回当前节点的所有后代节点(子节点、孙节点) |
child | ./child::* | 返回当前节点的所有子节点 |
parent | ./parent::* | 选取当前节点的父节点 |
following | ./following::* | 选取文档中当前节点结束标签后的所有节点 |
following-sibling | ./following-sibling::* | 选取当前节点之后的兄弟节点 |
preceding | ./preceding::* | 选取文档中当前节点开始标签前的所有节点 |
preceding-sibling | ./preceding-sibling::* | 选取当前节点之前的兄弟节点 |
self | ./self::* | 选取当前节点 |
attribute | ./attribute::* | 选取当前节点的所有属性 |
功能函数
使用功能函数能够更好的进行模糊搜索
函数 | 用法 | 解释 |
---|---|---|
starts-with | //div[starts-with(@id,”ma”)] | 选取id值以ma开头的div节点 |
contains | //div[contains(@id,”ma”)] | 选取所有id值包含ma的div节点 |
and | //div[contains(@id,”ma”) and contains(@id,”in”)] | 选取id值包含ma和in的div节点 |
text() | //div[contains(text(),”ma”)] | 选取节点文本包含ma的div节点 |
注意事项:
- 按照审查元素的写法不一定正确,要按照网页源码的才行,因为不一样,网页源码才是你看到的
2.浏览器有自带的复制xpath功能,firefox下载firebug插件 - xpath有c的速度,所以按照[@class=""]准确性较高
提取内容
方法 | 返回 |
---|---|
Selector.xpath() | 返回SelectorList对象 |
Selector.css() | 返回SelectorList对象 |
SelectorList.extract() | 返回List对象 |
SelectorList.extract_first(default) | 返回String对象,可以有默认值,类似dict.get(key, default) |