xpath选择器简介及如何使用

时间 2019-11-24

标签 xpath 选择器简介如何使用繁體版

原文原文链接

xpath选择器简介及如何使用

1、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（好比 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。节点是经过沿着路径 (path) 或者步 (steps) 来选取的。

一、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)

二、插件如何使用？

其实全部的插件的使用无非就是如下步骤：javascript

一、引入插件html

二、调用函数java

2、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（好比 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。节点是经过沿着路径 (path) 或者步 (steps) 来选取的。node

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。python

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

所以，对 XPath 的理解是不少高级 XML 应用的基础。面试

1. 语法

1.1 HTML 实例文档

后面咱们将如下面的 HTML 文档介绍 XPath 的使用 http://doc.scrapy.org/en/latest/_static/selectors-sample1.html。scrapy

<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 经常使用的语法，实例对应的是上面的 HTML 文档。函数

表达式	描述	实例	结果
nodename	选取此节点的全部子节点	body	选取 body 元素的全部子节点
/	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	选取全部 img 元素，而无论它们在文档的位置
.	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”]	选取全部 href 属性为 “image1.html” 的 a 节点
		//a/@href	获取全部 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。post

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]	选取全部拥有名为 href 的属性的 a 元素
//a[@href=’image2.html’]	选取全部 href 属性等于 “image2.html” 的 a 元素

2. 在 Python 中使用

在 python 中使用 XPath 须要安装相应的库，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') #也能够这样选择结果是相同的
#//表示从当前节点开始选择，没必要考虑位置。
#选取title下全部文本
page=soup.xpath("//title/text()")
#选取HTML下全部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.经常使用函数

除了索引、属性外，Xpath还能够使用便捷的函数来加强定位的准确性。下面试经常使用的几个函数：

#定位href属性中包含“promote.html”的全部a节点
//a[contains(@href,'promote.html')]

#元素内的文本为“应用推广”的全部a节点
//a[text()='应用推广']

#href属性值是以“/ads”开头的全部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

3、xpath使用实例

一、操做的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>

二、需求及代码

选取全部 title

下面的例子选取全部 title 节点：

/bookstore/book/title

 1 <html>
 2 <body>
 3 <script type="text/javascript">
 4 function loadXMLDoc(dname)
 5 {
 6 if (window.XMLHttpRequest)
 7   {
 8   xhttp=new XMLHttpRequest();
 9   }
10 else
11   {
12   xhttp=new ActiveXObject("Microsoft.XMLHTTP");
13   }
14 xhttp.open("GET",dname,false);
15 xhttp.send("");
16 return xhttp.responseXML;
17 }
18 
19 xml=loadXMLDoc("/example/xmle/books.xml");
20 path="/bookstore/book/title"
21 // code for IE
22 if (window.ActiveXObject)
23 {
24 var nodes=xml.selectNodes(path);
25 
26 for (i=0;i<nodes.length;i++)
27   {
28   document.write(nodes[i].childNodes[0].nodeValue);
29   document.write("<br />");
30   }
31 }
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)
39   {
40   document.write(result.childNodes[0].nodeValue);
41   document.write("<br />");
42   result=nodes.iterateNext();
43   }
44 }
45 </script>
46 
47 </body>
48 </html>

三、结果

Harry PotterEveryday ItalianLearning XMLXQuery Kick Start