Xpath語法學習

XPath是一門在XML文檔中查找信息的語言，被用於在XML文檔中經過元素和屬性進行導航。XPath雖然是被設計用來搜尋XML文檔，不過它也能很好地在HTML文檔中工做，而且大部分瀏覽器也支持經過XPath來查詢節點。在Python爬蟲開發中，常常使用XPath查找提取網頁中的信息，所以XPath很是重要，支持Xpath語法的模板有lxml、scrapy。

文檔示例：

<? xml version="1.0" encoding="ISO-8859-1"? >
<classroom>
     <student>
         <id>1001</id>
         <name lang="en">marry</name>
         <age>20</age>
         <country>China</country>
     </student>
     <student>
         <id>1002</id>
         <name lang="en">jack</name>
         <age>25</age>
         <country>USA</country>
     </student>
</classroom>

一、路徑表達式

表達式	用途
nodename	選取此節點的全部子節點
/	從根節點選取
//	選擇任意位置的某個節點
.	選取當前節點
..	選取當前節點的父節點
@	選取屬性

二、節點選取示例

實現效果	路徑表達式
選取classroom元素的全部子節點	classroom
選取根元素classroom	/classroom
選取屬於classroom的子元素的全部student元素	classroom/student
選取全部student子元素，而無論它們在文檔中的位置	//student
選擇屬於classroom元素的後代的全部student元素，而無論它們位於classroom之下的什麼位置	classroom//student
選取名爲lang的全部屬性	//@lang

三、謂語示例

實現效果	路徑表達式
選取屬於classroom子元素的第一個student元素	/classroom/student[1]
選取屬於classroom子元素的最後一個student元素	/classroom/student[last()]
選取屬於classroom子元素的倒數第二個student元素	/classroom/student[last()-1]
選取最前面的兩個屬於classroom元素的子元素的student元素	/classroom/student[position()<3]
選取全部擁有名爲lang的屬性的name元素	//name[@lang]
選取全部name元素，且這些元素擁有值爲en的lang屬性	//name[@lang='en']
選取classroom元素的全部student元素，且其中的age元素的值須大於20	/classroom/student[age>20]
選取classroom元素中的student元素的全部name元素，且其中的age元素的值須大於20	/classroom/student[age>20]/name

四、通配符* 與 | 操做符

實現效果	路徑表達式
選取classroom元素的全部子元素	/classroom/*
選取文檔中的全部元素	//*
選取全部帶屬性的name元素	//name[@*]
選取student元素的全部name和age元素	//student/name | //student/age
選取屬於classroom元素的student元素的全部name元素，以及文檔中全部的age元素	/classroom/student/name | //age

五、Xpath軸

軸名稱	含義
child	選取當前節點的全部元素
parent	選取當前節點的父節點
ancestor	選取當前節點的全部先輩（父、祖父等）
ansestor-or-self	選取當前節點的全部先輩（父、祖父等）以及當前節點自己
descendant	選取當前節點的全部後代元素（子、孫等）
descendant-or-self	選取當前節點的全部後代元素（子、孫等）以及當前節點自己
preceding	選取文檔中當前節點的開始標記以前的全部節點
following	選取文檔中當前節點的結束標記以後的全部節點
preceding-sibling	選取當前節點以前的全部同級節點
following-sibling	選取當前節點以後的全部同級節點
self	選取當前節點
attribute	選取當前節點的全部屬性
namespace	選取當前節點的全部命令空間節點

文檔示例： 

<? xml version="1.0" encoding="ISO-8859-1"? > 
<classroom> 
    <student> 
        <id>1001</id> 
        <name lang="en">marry</name> 
        <age>20</age> 
        <country>China</country> 
    </student> 
    <student> 
        <id>1002</id> 
        <name lang="en">jack</name> 
        <age>25</age> 
        <country>USA</country> 
    </student> 
    <teacher> 
        <classid>1</classid> 
        <name lang="en">tom</name> 
        <age>50</age> 
        <country>USA</country> 
    </teacher> 
</classroom>

六、Xpath軸示例分析

實現效果	路徑表達式
選取當前classroom節點中子元素的teacher節點	/classroom/child::teacher
選取全部id節點的父節點	//id/parent::*
選取全部以classid爲子節點的祖先節點	//classid/ancestor::*
選取classroom節點下全部後代節點	/classroom/descendant::*
選取全部以student爲父節點的id元素	//student/descendant::id
選取全部classid元素的祖先節點及自己	//classid/ancestor-or-self::*
選擇/classroom/student自己及全部後代元素	/classroom/student/descendant-or-self::*
選取/classroom/teacher以前的全部同級節點，結果就是選擇了全部student節點	/classroom/teacher/preceding-sibling::*
選取/classroom中第二個student以後的同級節點,結果就是選擇了teacher節點	/classroom/student[2]/following-sibling::*
選取/classroom/teacher/節點全部以前的節點（除其祖先外），不單單是student節點，還有裏面的子節點	/classroom/teacher/preceding::*
選取classroom中第二個student以後的全部節點，結果就是選擇了teacher節點及其子節點	/classroom/student[2]/following::*
選取student節點，單獨使用沒有什麼意思。主要是跟其它軸一塊兒用，如ancestor-of-self,descendant-or-self	//student/self::*
選取/classroom/teacher/name節點下的全部屬性	/classroom/teacher/name/attribute::*

七、運算符

運算符	描述	實例	含義
|	計算兩個節點集	//student/name | //student/age	選取student元素的全部name和age元素
+	加法	/classroom/student[age=19+1]	選取classroom元素的全部student元素，且其中的age元素的值須等於20
-	減法	/classroom/student[age=21-1]	同上
*	乘法	/classroom/student[age=4*5]	同上
div	除法	/classroom/student[age=40 div 2]	同上
=	等於	/classroom/student[age=20]	同上
!=	不等於	/classroom/student[age!=20]	選取student元素的全部name和age元素，且其中的age元素的值不等於20
<	小於	/classroom/student[age<20]	選取student元素的全部name和age元素，且其中的age元素的值小於20
<=	小於等於	/classroom/student[age<=20]	選取student元素的全部name和age元素，且其中的age元素的值小於等於20
>	大於	/classroom/student[age>20]	選取student元素的全部name和age元素，且其中的age元素的值大於20
>=	大於等於	/classroom/student[age>=20]	選取student元素的全部name和age元素，且其中的age元素的值大於等於20
or	或	/classroom/student[age<20 or age>25]	選取student元素的全部name和age元素，且其中的age元素的值須小於20，或者大於25
and	與	/classroom/student[age>20 and age<25]	選取student元素的全部name和age元素，且其中的age元素的值須大於20，或者小於25
mod	計算除法的餘數	5 mod 2	1