近期为了学习scrapy,回头来在W3C上学习Xpath。我会不断在自己博客上总结知识点,并附带自己的理解。
首先,小松鼠也是刚起步,有些理解不到位的地方,请各位大佬多多指教,这里主要总结一些xpath的基础语法。
W3C上的实例文档为:
<?xml version="1.0" encoding="ISO-8859-1"?>
<bookstore>
<book>
<title lang="eng">Harry Potter</title>
<price>29.99</price>
</book>
<book>
<title lang="eng">Learning XML</title>
<price>39.95</price>
</book>
</bookstore>
xpath是使用路径表达式在文档中选取节点的。而节点是通过沿着路径或者步数来选取的。
下面列出最有用的路径表达式:
nodename:选取次节点的所有子节点
/ : 从根节点选取
// : 从匹配选择的当前节点选择文档中的节点,不用考虑该节点在文档中的位置
. :选取当前节点
.. :选取当前节点的父节点
@ :选取属性
例如:
bookstore :选取bookstore节点的所有子节点
/bookstore :选取bookstore节点(加入路径起始于“/”,那么次路径始终代表到达某元素的绝对路径)
bookstore/book :选取属于bookstore的子节点的所有book节点
//book :选取文档中所有的book节点,不管次节点在文档中的什么位置
bookstore//book :选取属于bookstore的子节点的所有book节点,不管book位于bookstore之下的什么位置。
//@lang :选取名为lang的所有属性
谓语:
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。谓语被嵌在方括号中。
/bookstore/book :选取属于bookstore子元素的第一booke元素
/bookstore/book[last()] :选取属于bookstore子元素的最后一个book元素
/bookstore/book[last()-1] :选取属于bookstore子元素的倒数第二个book元素
/bookstore/book[position()<3] :选取前面2个属于bookstore子元素的book元素
//title[@lang] :选取所有包含lang属性的title元素
//title[@lang = 'eng'] :选取所有title元素,并且这些元素的属性值都为eng
/bookstore/book[price>35.00] :选取属于bookstore子元素的book元素,并且其中price值要大于35
xpath的通配符:
* :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
例如:
/bookstore/* :选取bookstore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
xpath中的and连接符“|”
//book/title | //book/price :选取book元素的所有title和price元素
//title | //price :选取所有的title和price元素