标签：关系 一句话 learn title 绝对路径 表格 libxml 接下来 注释
官方解释：XPath即为XML路径语言（XML Path Language），它是一种用来确定XML文档中某部分位置的语言。
一句话总结：一句话，XPath 是一门在 XML 文档中查找信息的语言。简单来说，html类似于xml结构，但是没有xml格式那么严格。（在xml中查找信息，包括html）
xpath的作用就是两个字“定位”，运用各种方法进行快速准确的定位
在 XPath 中，有七种类型的节点：元素、属性、文本、命名空间、处理指令、注释以及文档（根）节点。XML 文档是被作为节点树来对待的，树的根被称为文档节点或者根节点
<bookstore>
<book>
<title>Harry Potter</title>
<author>J K. Rowling</author>
<year>2005</year>
</book>
</bookstore>
<!--
<bookstore> （文档节点）
<author>J K.Rowling</author> （元素节点）
lang="en" （属性节点）
-->父(parent)
每一个元素以及属性都有一个父
<book>
<title>Harry Potter</title>
<author>J K. Rowling</author>
<year>2005</year>
<price>29.99</price>
</book>在上面的例子中，book元素是title、author、year 以及 price 元素的父
元素节点可有零个、一个或多个子。
<book>
<title>Harry Potter</title>
<author>J K. Rowling</author>
<price>29.99</price>
</book>在上面的例子中，title、author以及 price 元素都是 book 元素的子
拥有相同的父的节点
<book>
<title>Harry Potter</title>
<author>J K. Rowling</author>
<price>29.99</price>
</book>在上面的例子中，title、author以及 price 元素都是同胞
某节点的父、父的父(爷爷)，等等
<bookstore>
<book>
<title>Harry Potter</title>
<author>J K. Rowling</author>
</book>
</bookstore>在上面的例子中，title 元素的先辈是 book 元素和bookstore 元素
某个节点的子，子的子(孙子)，等等
<bookstore>
<book>
<title>Harry Potter</title>
<author>J K. Rowling</author>
</book>
</bookstore>在上面的例子中，bookstore 的后代是 book、title、author元素
接下来我们将以下面这个xml文档作为例子
<bookstore>
<book>
<titlelang="eng">Harry Potter</title>
<price>29.99</price>
</book>
<book>
<titlelang="eng">Learning XML</title>
<price>39.95</price>
</book>
</bookstore>XPath 使用路径表达式在 XML 文档中选取节点。节点是通过沿着路径或者 step 来选取的。
| 表达式 | 描述 |
|---|---|
| nodename | 选取此节点的所有子节点。 |
| / | 从根节点选取(绝对位置) |
| // | 从匹配选择的当前节点选择文档中的节点，而不考虑它们的位置(相对位置) |
| . | 选取当前节点 |
| .. | 选取当前节点的父节点 |
| @ | 选取属性 |
我们可以看看他是具体怎样使用的
| 路径表达式 | 结果 |
|---|---|
| bookstore | 选取 bookstore 元素的所有子节点。 |
| /bookstore | 选取根元素 bookstore。 注释：假如路径起始于正斜杠( / )，则此路径始终代表到某元素的绝对路径！ |
| bookstore/book | 选取属于 bookstore 的子元素的所有 book 元素。 |
| //book | 选取所有 book 子元素，而不管它们在文档中的位置。 |
| bookstore//book | 选择属于 bookstore 元素的后代的所有 book 元素，而不管它们位于 bookstore 之下的什么位置。 |
| //@lang | 选取名为 lang 的所有属性。 |
谓语是用来查找某个特定的节点或者包含某个指定的值的节点。谓语被嵌在方括号[]中。
| 路径表达式 | 结果 |
|---|---|
| /bookstore/book[1] | 选取属于 bookstore 子元素的第一个 book 元素。 |
| /bookstore/book[last()] | 选取属于 bookstore 子元素的最后一个 book 元素。 |
| /bookstore/book[last()-1] | 选取属于 bookstore 子元素的倒数第二个 book 元素。 |
| /bookstore/book[position()<3] | 选取最前面的两个属于 bookstore 元素的子元素的 book 元素。 |
| //title[@lang] | 选取所有拥有名为 lang 的属性的 title 元素。 |
| //title[@lang=‘eng‘] | 选取所有 title 元素，且这些元素拥有值为 eng 的 lang 属性。 |
| /bookstore/book[price>35.00] | 选取 bookstore 元素的所有 book 元素，且其中的 price 元素的值须大于 35.00。 |
| /bookstore/book[price>35.00]/title | 选取 bookstore 元素中的 book 元素的所有 title 元素，且其中的 price 元素的值须大于 35.00。 |
XPath 通配符可用来选取未知的 XML 元素。
| 通配符 | 描述 |
|---|---|
| * | 匹配任何元素节点。 |
| @* | 匹配任何属性节点。 |
| node() | 匹配任何类型的节点。 |
实例：在下面的表格中，我们列出了一些路径表达式，以及这些表达式的结果：
| 路径表达式 | 结果 |
|---|---|
| /bookstore/* | 选取 bookstore 元素的所有子元素。 |
| //* | 选取文档中的所有元素。 |
| //title[@*] | 选取所有带有属性的 title 元素。 |
通过在路径表达式中使用“|”运算符，您可以选取若干个路径。
实例：在下面的表格中，我们列出了一些路径表达式，以及这些表达式的结果：
| 路径表达式 | 结果 |
|---|---|
| //book/title|//book/price | 选取 book 元素的所有 title 和 price 元素。 |
| //title | //price | 选取文档中的所有 title 和 price 元素。 |
| /bookstore/book/title|//price | 选取属于 bookstore 元素的 book 元素的所有 title 元素，以及文档中所有的 price 元素。 |
我们将在下面的例子中使用此 XML 文档：
<bookstore>
<book>
<titlelang="eng">Harry Potter</title>
<price>29.99</price>
</book>
<book>
<titlelang="eng">Learning XML</title>
<price>39.95</price>
</book>
</bookstore>轴可定义相对于当前节点的节点集。
| 轴名称 | 结果 |
|---|---|
| ancestor | 选取当前节点的所有先辈（父、祖父等）。 |
| ancestor-or-self | 选取当前节点的所有先辈（父、祖父等）以及当前节点本身。 |
| attribute | 选取当前节点的所有属性。 |
| child | 选取当前节点的所有子元素。 |
| descendant | 选取当前节点的所有后代元素（子、孙等）。 |
| descendant-or-self | 选取当前节点的所有后代元素（子、孙等）以及当前节点本身。 |
| following | 选取文档中当前节点的结束标签之后的所有节点。 |
| namespace | 选取当前节点的所有命名空间节点。 |
| parent | 选取当前节点的父节点。 |
| preceding | 选取文档中当前节点的开始标签之前的所有节点。 |
| preceding-sibling | 选取当前节点之前的所有同级节点。 |
| self | 选取当前节点。 |
步（step）包括：轴（axis）、节点测试（node-test）、零个或者更多谓语（predicate）
轴（axis）：定义所选节点与当前节点之间的树关系
节点测试（node-test）：识别某个轴内部的节点
零个或者更多谓语（predicate）：更深入地提炼所选的节点集
步的语法：
轴名称::节点测试[谓语]实例
| 例子 | 结果 |
|---|---|
| child::book | 选取所有属于当前节点的子元素的 book 节点。 |
| attribute::lang | 选取当前节点的 lang 属性。 |
| child::* | 选取当前节点的所有子元素。 |
| attribute::* | 选取当前节点的所有属性。 |
| child::text() | 选取当前节点的所有文本子节点。 |
| child::node() | 选取当前节点的所有子节点。 |
| descendant::book | 选取当前节点的所有 book 后代。 |
| ancestor::book | 选择当前节点的所有 book 先辈。 |
| ancestor-or-self::book | 选取当前节点的所有 book 先辈以及当前节点（如果此节点是 book 节点） |
| child::*/child::price | 选取当前节点的所有 price 孙节点。 |
下面列出了可用在 XPath 表达式中的运算符：
| 运算符 | 描述 | 实例 | 返回值 |
|---|---|---|---|
| | | 计算两个节点集 | //book | //cd | 返回所有拥有 book 和 cd 元素的节点集 |
| + | 加法 | 6 + 4 | 10 |
| - | 减法 | 6 - 4 | 2 |
| * | 乘法 | 6 * 4 | 24 |
| div | 除法 | 8 div 4 | 2 |
| = | 等于 | price=9.80 | 如果 price 是 9.80，则返回 true。如果 price 是 9.90，则返回 false。 |
| != | 不等于 | price!=9.80 | 如果 price 是 9.90，则返回 true。如果 price 是 9.80，则返回 false。 |
| < | 小于 | price<9.80 | 如果 price 是 9.00，则返回 true。如果 price 是 9.90，则返回 false。 |
| <= | 小于或等于 | price<=9.80 | 如果 price 是 9.00，则返回 true。如果 price 是 9.90，则返回 false。 |
| > | 大于 | price>9.80 | 如果 price 是 9.90，则返回 true。如果 price 是 9.80，则返回 false。 |
| >= | 大于或等于 | price>=9.80 | 如果 price 是 9.90，则返回 true。如果 price 是 9.70，则返回 false。 |
| or | 或 | price=9.80 or price=9.70 | 如果 price 是 9.80，则返回 true。如果 price 是 9.50，则返回 false。 |
| and | 与 | price>9.00 and price<9.90 | 如果 price 是 9.80，则返回 true。如果 price 是 8.50，则返回 false。 |
| mod | 计算除法的余数 | 5 mod 2 | 1 |
XPath的优势在于它的速度，这是因为它把html以树形的结构进行存储，在你通过层级关系查找节点的时候，并不需要对所有字符串进行遍历，它的底层是通过libxml构建一棵DOM树实现的查找。
XPath其实并不容易掌握（ps：我的意思是要深入掌握），它的语法和函数都非常多，学习起来成本也比较高，但是在普通的抓取业务中，只需要掌握一些基本的就足够了。
XPath的语法和规则跟语言是无关的。
xpath针对单个网页的爬取新的基本方法，帮助开发人员快速抓取网页中的信息。因为简单快速，适用范围必然比不上强大的正则表达式，可以根据各自的应用场景选择
ps：xpath需要学的东西还很多，详细可以了解https://www.w3school.com.cn/xpath/xpath_functions.asp
标签：关系 一句话 learn title 绝对路径 表格 libxml 接下来 注释
原文地址：https://www.cnblogs.com/yanjiayi098-001/p/12009963.html
