xPath 用法總結整理

時間 2019-12-07

標籤 xpath 用法總結整理简体版

原文原文鏈接

xPath 用法總結整理

1、xpath介紹

XPath 是一門在 XML 文檔中查找信息的語言。XPath 用於在 XML 文檔中經過元素和屬性進行導航。html

XPath 使用路徑表達式在 XML 文檔中進行導航
XPath 包含一個標準函數庫
XPath 是 XSLT 中的主要元素
XPath 是一個 W3C 標準

節點

在 XPath 中，有七種類型的節點：元素、屬性、文本、命名空間、處理指令、註釋以及文檔（根）節點。XML 文檔是被做爲節點樹來對待的。node

2、xpath語法

表達式	描述
nodename	選取此節點的全部子節點。
/	從根節點選取。
//	從匹配選擇的當前節點選擇文檔中的節點，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。

例子

如下面這個xml爲例子python

<?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>

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

<bookstore>函數

<book>
<title lang="eng">Harry Potter</title>
<price>29.99</price>
</book>工具

<book>
<title lang="eng">Learning XML</title>
<price>39.95</price>
</book>post

</bookstore>

測試

xml.xpath(「bookstore」) 表示選取 bookstore 元素的全部子節點
xml.xpath(「/bookstore」) 表示選取根元素 bookstore。
xml.xpath(「bookstore/book」) 選取屬於 bookstore 的子元素的全部 book 元素。
xml.xpath(「//book」) 選取全部 book 子元素，而無論它們在文檔中的位置。
xml.xpath(「bookstore//book」) 選擇屬於 bookstore 元素的後代的全部 book 元素，而無論它們位於 bookstore 之下的什麼位置。
xml.xpath(「//@lang」) 選取名爲 lang 的全部屬性。

謂語

路徑表達式	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]	選取全部擁有名爲 lang 的屬性的 title 元素。
//title[@lang=’eng’]	選取全部 title 元素，且這些元素擁有值爲 eng 的 lang 屬性。
/bookstore/book[price>35.00]	選取 bookstore 元素的全部 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 元素的全部 title 元素，且其中的 price 元素的值須大於 35.00。

選取未知節點

通配符	描述
*	匹配任何元素節點。
@*	匹配任何屬性節點。
node()	匹配任何類型的節點。

例子：this

路徑表達式	結果
/bookstore/*	選取 bookstore 元素的全部子元素。
//*	選取文檔中的全部元素。
//title[@*]	選取全部帶有屬性的 title 元素。

選取若干路徑

經過在路徑表達式中使用「|」運算符，您能夠選取若干個路徑。spa

//book/title | //book/price 選取 book 元素的全部 title 和 price 元素。
//title | //price 選取文檔中的全部 title 和 price 元素。
/bookstore/book/title | //price 選取屬於 bookstore 元素的 book 元素的全部 title 元素，以及文檔中全部的 price 元素。

3、軸

軸可定義相對於當前節點的節點集。

軸名稱	結果
ancestor	選取當前節點的全部先輩（父、祖父等）。
ancestor-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。
attribute	選取當前節點的全部屬性。
child	選取當前節點的全部子元素。
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。
following	選取文檔中當前節點的結束標籤以後的全部節點。
namespace	選取當前節點的全部命名空間節點。
parent	選取當前節點的父節點。
preceding	選取文檔中當前節點的開始標籤以前的全部節點。
preceding-sibling	選取當前節點以前的全部同級節點。
self	選取當前節點。

步的語法：
軸名稱::節點測試[謂語]

例子：

例子	結果
child::book	選取全部屬於當前節點的子元素的 book 節點。
attribute::lang	選取當前節點的 lang 屬性。
child::*	選取當前節點的全部子元素。
attribute::*	選取當前節點的全部屬性。
child::text()	選取當前節點的全部文本子節點。
child::node()	選取當前節點的全部子節點。
descendant::book	選取當前節點的全部 book 後代。
ancestor::book	選擇當前節點的全部 book 先輩。
ancestor-or-self::book	選取當前節點的全部 book 先輩以及當前節點（若是此節點是 book 節點）
child::*/child::price	選取當前節點的全部 price 孫節點。

4、一些函數

1. starts-with函數

獲取以xxx開頭的元素
例子：xpath(‘//div[stars-with(@class,」test」)]’)

2 contains函數

獲取包含xxx的元素
例子：xpath(‘//div[contains(@id,」test」)]’)

3 and

與的關係
例子：xpath(‘//div[contains(@id,」test」) and contains(@id,」title」)]’)

4 text()函數

例子1：xpath(‘//div[contains(text(),」test」)]’)
例子2：xpath(‘//div[@id=」「test]/text()’)

5、一個lxml的xpath示例

下面這個代碼來自http://www.cnblogs.com/descusr/archive/2012/06/20/2557075.html

#coding=utf-8 from lxml import etree html = ''' <html> 　　<head> 　　　　<meta name="content-type" content="text/html; charset=utf-8" /> 　　　　<title>友情連接查詢 - 站長工具</title> 　　　　<!-- uRj0Ak8VLEPhjWhg3m9z4EjXJwc --> 　　　　<meta name="Keywords" content="友情連接查詢" /> 　　　　<meta name="Description" content="友情連接查詢" /> 　　</head> 　　<body> 　　　　<h1 class="heading">Top News</h1> 　　　　<p style="font-size: 200%">World News only on this page</p> 　　　　Ah, and here's some more text, by the way. 　　　　<p>... and this is a parsed fragment ...</p> 　　　　<a href="http://www.cydf.org.cn/" rel="nofollow" target="_blank">青少年發展基金會</a> 　　　　<a href="http://www.4399.com/flash/32979.htm" target="_blank">洛克王國</a> 　　　　<a href="http://www.4399.com/flash/35538.htm" target="_blank">奧拉星</a> 　　　　<a href="http://game.3533.com/game/" target="_blank">手機遊戲</a> 　　　　<a href="http://game.3533.com/tupian/" target="_blank">手機壁紙</a> 　　　　<a href="http://www.4399.com/" target="_blank">4399小遊戲</a> 　　　　<a href="http://www.91wan.com/" target="_blank">91wan遊戲</a> 　　</body> </html> ''' page = etree.HTML(html.lower().decode('utf-8')) hrefs = page.xpath(u"//a") for href in hrefs: print href.attrib

#coding=utf-8

from lxml import etree

html = '''

<html>
　　<head>
　　　　<meta name="content-type" content="text/html; charset=utf-8" />
　　　　<title>友情連接查詢 - 站長工具</title>
　　　　
　　　　<meta name="Keywords" content="友情連接查詢" />
　　　　<meta name="Description" content="友情連接查詢" />

　　</head>
　　<body>
　　　　<h1 class="heading">Top News</h1>
　　　　<p style="font-size: 200%">World News only on this page</p>
　　　　Ah, and here's some more text, by the way.
　　　　<p>... and this is a parsed fragment ...</p>

　　　　<a href="http://www.cydf.org.cn/" rel="nofollow" target="_blank">青少年發展基金會</a>
　　　　<a href="http://www.4399.com/flash/32979.htm" target="_blank">洛克王國</a>
　　　　<a href="http://www.4399.com/flash/35538.htm" target="_blank">奧拉星</a>
　　　　<a href="http://game.3533.com/game/" target="_blank">手機遊戲</a>
　　　　<a href="http://game.3533.com/tupian/" target="_blank">手機壁紙</a>
　　　　<a href="http://www.4399.com/" target="_blank">4399小遊戲</a>
　　　　<a href="http://www.91wan.com/" target="_blank">91wan遊戲</a>

　　</body>
</html>

''' page = etree.HTML(html.lower().decode('utf-8')) hrefs = page.xpath(u"//a") for href in hrefs: print href.attrib

打印出的結果爲：

{‘href’: ‘http://www.cydf.org.cn/‘, ‘target’: ‘_blank’, ‘rel’: ‘nofollow’}
{‘href’: ‘http://www.4399.com/flash/32979.htm‘, ‘target’: ‘_blank’}
{‘href’: ‘http://www.4399.com/flash/35538.htm‘, ‘target’: ‘_blank’}
{‘href’: ‘http://game.3533.com/game/‘, ‘target’: ‘_blank’}
{‘href’: ‘http://game.3533.com/tupian/‘, ‘target’: ‘_blank’}
{‘href’: ‘http://www.4399.com/‘, ‘target’: ‘_blank’}
{‘href’: ‘http://www.91wan.com/‘, ‘target’: ‘_blank’}