xpath选择器简介及如何使用

一、总结

一句话总结：XPath 的全称是 XML Path Language，即 XML 路径语言，它是一种在结构化文档（比如 XML 和 HTML 文档）中定位信息的语言，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。

1、xpath如何使用？

19 xml=loadXMLDoc("/example/xmle/books.xml");

20 path="/bookstore/book/title"

32 // code for Mozilla, Firefox, Opera, etc.

33 else if (document.implementation && document.implementation.createDocument)

34 {

35 var nodes=xml.evaluate(path, xml, null, XPathResult.ANY_TYPE, null);

36 var result=nodes.iterateNext();

37

38 while (result)

2、插件如何使用？

其实所有的插件的使用无非就是以下步骤：

1、引入插件

2、调用函数

二、xpath选择器

XPath 的全称是 XML Path Language，即 XML 路径语言，它是一种在结构化文档（比如 XML 和 HTML 文档）中定位信息的语言，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。

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

XPath 是 W3C XSLT 标准的主要元素，并且 XQuery 和 XPointer 都构建于 XPath 表达之上。

因此，对 XPath 的理解是很多高级 XML 应用的基础。

1. 语法

1.1 HTML 实例文档

后面我们将以下面的 HTML 文档介绍 XPath 的使用 http://doc.scrapy.org/en/latest/_static/selectors-sample1.html。

<html>

    <head>

        <basehref='http://example.com/' />

        <title>Example website</title>

    </head>

    <body>

        <divid='images'>

            <ahref='image1.html'>Name: My image 1 <br/><imgsrc='image1_thumb.jpg'/></a>

            <ahref='image2.html'>Name: My image 2 <br/><imgsrc='image2_thumb.jpg'/></a>

            <ahref='image3.html'>Name: My image 3 <br/><imgsrc='image3_thumb.jpg'/></a>

            <ahref='image4.html'>Name: My image 4 <br/><imgsrc='image4_thumb.jpg'/></a>

            <a>Name: My image 5 <br/><imgsrc='image5_thumb.jpg'/></a>

        </div>

    </body></html>

1.2 选取节点

下表是 XPath 常用的语法，实例对应的是上面的 HTML 文档。

表达式	描述	实例	结果
nodename	选取此节点的所有子节点	body	选取 body 元素的所有子节点
/	从根节点选取	/html	选取根元素 html
//	匹配选择的当前节点，不考虑位置	//img	选取所有 img 元素，而不管它们在文档的位置
.	选取当前节点	./img	选取当前节点下的 img 节点
..	选取当前节点的父节点	../img	选取当前节点的父节点下的 title
@	选取属性	//a[@href=”image1.html”]	选取所有 href 属性为 “image1.html” 的 a 节点
		//a/@href	获取所有 a 节点的 href 属性的值

1.3 谓语

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，谓语嵌在方括号中。

路径表达式	结果
//body//a[1]	选取属于 body 子元素的第一个 a 元素
//body//a[last()]	选取属于 body 子元素的最好一个 a 元素
//a[@href]	选取所有拥有名为 href 的属性的 a 元素
//a[@href=’image2.html’]	选取所有 href 属性等于 “image2.html” 的 a 元素

2. 在 Python 中使用

在 python 中使用 XPath 需要安装相应的库，这里推荐使用 lxml 库。

代码示例：

# -*- coding: utf-8 -*-

from lxml import etree

html = """<html>

    <head>

        <base href='http://example.com/' />

        <title>Example website</title>

    </head>

    <body>

        <div id='images'>

            <a href='image1.html'>Name: My image 1 <br/><img src='image1_thumb.jpg'/></a>

            <a href='image2.html'>Name: My image 2 <br/><img src='image2_thumb.jpg'/></a>

            <a href='image3.html'>Name: My image 3 <br/><img src='image3_thumb.jpg'/></a>

            <a href='image4.html'>Name: My image 4 <br/><img src='image4_thumb.jpg'/></a>

            <a>Name: My image 5 <br/><img src='image5_thumb.jpg'/></a>

        </div>

    </body>
</html>"""

from lxml import etree
soup = etree.HTML(html)
page=soup.xpath('/html/head/base/@href') #从根节点开始选取
page=soup.xpath('/html/head//@href') #也可以这样选择结果是相同的
#//表示从当前节点开始选择，不必考虑位置。
#选取title下所有文本
page=soup.xpath("//title/text()")
#选取HTML下所有a节点
page=soup.xpath('//a')
#选取标签下属性为image.html的scr属性
page=soup.xpath("//a[@href='image1.html']/img/@src")
#选取a标签下第三个href属性
page=soup.xpath("//a[contains(@href, '3')]/@href")
#body最后一个a标签href属性
page=soup.xpath("//body//a[last()]/img/@src")

page=soup.xpath('//a[@class="active"][@id="value"]/img/@src') #多个属性定位

3.常用函数

除了索引、属性外，Xpath还可以使用便捷的函数来增强定位的准确性。下面试常用的几个函数：

#定位href属性中包含“promote.html”的所有a节点

//a[contains(@href,'promote.html')]

#元素内的文本为“应用推广”的所有a节点

//a[text()='应用推广']

#href属性值是以“/ads”开头的所有a节点

//a[starts-with(@href,'/ads')]

参考：xpath选择器 - moon的博客 - CSDN博客
https://blog.csdn.net/qq_32942549/article/details/78400675

三、xpath使用实例

1、操作的xml（books.xml）

<?xml version="1.0" encoding="ISO-8859-1"?>

<bookstore>

<book category="COOKING">

  <title lang="en">Everyday Italian</title>

  <author>Giada De Laurentiis</author>

  <year>2005</year>

  <price>30.00</price>

</book>

<book category="CHILDREN">

  <title lang="en">Harry Potter</title>

  <author>J K. Rowling</author>

  <year>2005</year>

  <price>29.99</price>

</book>

<book category="WEB">

  <title lang="en">XQuery Kick Start</title>

  <author>James McGovern</author>

  <author>Per Bothner</author>

  <author>Kurt Cagle</author>

  <author>James Linn</author>

  <author>Vaidyanathan Nagarajan</author>

  <year>2003</year>

  <price>49.99</price>

</book>

<book category="WEB">

  <title lang="en">Learning XML</title>

  <author>Erik T. Ray</author>

  <year>2003</year>

  <price>39.95</price>

</book>

</bookstore>

2、需求及代码

选取所有 title

下面的例子选取所有 title 节点：

/bookstore/book/title

 <html>

 <body>

 <script type="text/javascript">

 function loadXMLDoc(dname)

 {

 if (window.XMLHttpRequest)

   {

   xhttp=new XMLHttpRequest();

   }

 else

   {

   xhttp=new ActiveXObject("Microsoft.XMLHTTP");

   }

 xhttp.open("GET",dname,false);

 xhttp.send("");

 return xhttp.responseXML;

 }

 xml=loadXMLDoc("/example/xmle/books.xml");

 path="/bookstore/book/title"

 // code for IE

 if (window.ActiveXObject)

 {

 var nodes=xml.selectNodes(path);

 for (i=0;i<nodes.length;i++)

   {

   document.write(nodes[i].childNodes[0].nodeValue);

   document.write("<br />");

   }

 }

 // code for Mozilla, Firefox, Opera, etc.

 else if (document.implementation && document.implementation.createDocument)

 {

 var nodes=xml.evaluate(path, xml, null, XPathResult.ANY_TYPE, null);

 var result=nodes.iterateNext();

 while (result)

   {

   document.write(result.childNodes[0].nodeValue);

   document.write("<br />");

   result=nodes.iterateNext();

   }

 }

 </script>

 </body>

 </html>

3、结果

Harry Potter
Everyday Italian
Learning XML
XQuery Kick Start