Scrapy爬虫：XPath语法

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：

1. 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
2. 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)