python爬蟲學習之XPath基本語法
阿新 • • 發佈：2018-12-30
XPath 使用路徑表示式來選取 XML 文件中的節點或節點集。節點是通過沿著路徑（path）或者步（steps）來選取的。
XML例項文件
我們將在下面的例子中使用這個XML文件。
<?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>
選取節點
XPath 使用路徑表示式在 XML 文件中選取節點。節點是通過沿著路徑或者 step 來選取的。
下面列出了最有用的路徑表示式：
| 表示式 | 描述 |
| nodename | 選取此節點的所有子節點。 |
| / | 從根節點選取。 |
| // | 從匹配選擇的當前節點選擇文件中的節點，而不考慮它們的位置。 |
| . | 選取當前節點。 |
| .. | 選取當前節點的父節點。 |
| @ | 選取屬性。 |
例項
在下面的表示式中，我們已經列出了一些路徑表示式以及表示式的結果：
| 路徑表示式 | 結果 |
| bookstore | 選取 bookstore 元素的所有子節點。 |
| /bookstore | 選取根元素bookstore。 註釋：假如路徑起始於正斜槓（/），則此路徑始終代表到某元素的絕對路徑！ |
| bookstore/book |
選取屬於 bookstore 的子元素的所有 book 元素。 |
| //book | 選取所有 book 子元素，而不管它們在文件中的位置。 |
| bookstore//book | 選擇屬於 bookstore 元素的後代的所有 book 元素，而不管它們位於 bookstore 之下的什麼位置。 |
| //@lang | 選取名為 lang 的所有屬性。 |
謂語（Predicates）
謂語用來查詢某個特定的節點或者包含某個指定的值的節點。謂語被嵌在方括號中。
例項
在下面的表格中，我們列出了帶有謂語的一些路徑表示式，以及表示式的結果：
| 路徑表示式 | 結果 |
| /bookstore/book[1] | 選取屬於 bookstore 子元素的第一個 book 元素。 |
| /bookstore/book[last()] | 選取屬於 bookstore 子元素的最後一個 book 元素。 |
| /bookstore/book[last()-1] | 選取屬於 bookstore 子元素的倒數第二個 book 元素。 |
| /bookstore/book[position()<3] | 選取最前面的兩個屬於 bookstore 元素的子元素的 book 元素。 |
| //title[@lang] | 選取所有擁有名為 lang 的屬性的 title 元素。 |
| //title[@lang='eng'] | 選取所有 title 元素，且這些元素擁有值為 eng 的 lang 屬性。 |
| /bookstore/book[price>35.00] | 選取 bookstore 元素的所有 book 元素，且其中的 price 元素的值須大於 35.00 |
| /bookstore/book[price>35.00]/title | 選取 bookstore 元素中的 book 元素的所有 title 元素，且其中的 price 元素的值須大於 35.00。 |
選取未知節點
XPath 萬用字元可用來選取未知的 XML 元素。
| 萬用字元 | 描述 |
| * | 匹配任何元素節點。 |
| @* | 匹配任何屬性節點。 |
| node() | 匹配任何型別的節點。 |
例項
在下面的表格中，我們列出了一些路徑表示式，以及這些表達的結果：
| 路徑表示式 | 結果 |
| /bookstore/* | 選取 bookstore 元素的所有子元素。 |
| //* | 選取文件中的所有元素。 |
| //title[@*] | 選取所有帶有屬性的 title 元素。 |
選取若干路徑
通過在路徑表示式中使用 "|" 運算子，您可以選取若干個路徑。
例項
在下面的表格中，我們列出了一些路徑表示式，以及這些表示式的結果：
| 路徑表示式 | 結果 |
| //book/title | //book/price | 選取 book 元素的所有 title 和 price 元素。 |
| //title | //price | 選取文件中的所有 title 和 price 元素。 |
| /bookstore/book/title | //price | 選取屬於 bookstore 元素的 book 元素的所有 title 元素，以及文件中所有的 price 元素。 |