XPath 使用路径表达式来选取 XML 文档中的节点或节点集。节点是通过沿着路径 (path) 或者步 (steps) 来选取的。
路径表达式
| 表达式 | 描述 |
|---|---|
| nodename | 选取此节点的所有子节点。 |
| / | 从根节点选取。 |
| // | 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。 |
| . | 选取当前节点。 |
| … | 选取当前节点的父节点。 |
| @ | 选取属性。 |
路径案例
| 路径表达式 | 结果 |
|---|---|
| body | 选取 body 元素的所有子节点。 |
| /head | 选取根元素下head。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！ |
| div/a | 选取属于 div 的子元素的所有 a 元素。 |
| //a | 选取所有 a 子元素，而不管它们在文档中的位置。 |
| div//a | 选择属于 div 元素的后代的所有 a 元素，而不管它们位于 bookstore 之下的什么位置。 |
| //@class | 选取名为 claa 的所有属性。 |
| ./a | 选取当前元素下的a |
| …/a | 选取父元素下的a |
| a/@href | 选取a标签的href属性 |
| a/text() | 选取a标签下的文本 |
谓语（Predicates）
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。
谓语被嵌在方括号中。
谓语实例
在下面的表格中，我们列出了带有谓语的一些路径表达式，以及表达式的结果：
| 路径表达式 | 结果 |
|---|---|
| /body/div[1] | 选取属于 body 子元素的第一个 div 元素。 |
| /body/div[last()] | 选取属于 body 子元素的最后一个 div 元素。 |
| /body/div[last()-1] | 选取属于 body 子元素的倒数第二个 div 元素。 |
| /body/div[position()< 3 ] | 选取最前面的两个属于 bookstore 元素的子元素的 book 元素。 |
| //div[@id] | 选取所有拥有名为 id 的属性的 div 元素。 |
| //div[@class=‘eng’] | 选取所有 div 元素，且这些元素拥有值为 eng 的 class 属性。 |
| /body/span[size>35.00] | 选取 body 元素的所有 span 元素，且其中的 size 元素的值须大于 35.00。 |
| /body/span[size>35.00]/title | 选取 body 元素中的 span 元素的所有 title 元素，且其中的 price 元素的值须大于 35.00。 |
选取未知节点
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
/body/* | 选取 body 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。
选取若干路径
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 |
|---|---|
| //head/title | //head/price | 选取 head 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。 |
| /body/book/title | //price | 选取属于 body 元素的 book 元素的所有 title 元素，以及文档中所有的 price 元素。 |
Xpath轴
轴可以定义相对于当前节点的节点集
| 轴名称 | 表达式 | 描述 |
|---|---|---|
| ancestor | ./ancestor::* | 选取当前节点的所有先辈节点（父、祖父） |
| ancestor-or-self | ./ancestor-or-self::* | 选取当前节点的所有先辈节点以及节点本身 |
| descendant | ./descendant::* | 返回当前节点的所有后代节点（子节点、孙节点） |
| child | ./child::* | 返回当前节点的所有子节点 |
| parent | ./parent::* | 选取当前节点的父节点 |
| following | ./following::* | 选取文档中当前节点结束标签后的所有节点 |
| following-sibling | ./following-sibling::* | 选取当前节点之后的兄弟节点 |
| preceding | ./preceding::* | 选取文档中当前节点开始标签前的所有节点 |
| preceding-sibling | ./preceding-sibling::* | 选取当前节点之前的兄弟节点 |
| self | ./self::* | 选取当前节点 |
| attribute | ./attribute::* | 选取当前节点的所有属性 |
功能函数
使用功能函数能够更好的进行模糊搜索
| 函数 | 用法 | 解释 |
|---|---|---|
| starts-with | //div[starts-with(@id,”ma”)] | 选取id值以ma开头的div节点 |
| contains | //div[contains(@id,”ma”)] | 选取所有id值包含ma的div节点 |
| and | //div[contains(@id,”ma”) and contains(@id,”in”)] | 选取id值包含ma和in的div节点 |
| text() | //div[contains(text(),”ma”)] | 选取节点文本包含ma的div节点 |
注意事项：
- 按照审查元素的写法不一定正确，要按照网页源码的才行,因为不一样，网页源码才是你看到的
2.浏览器有自带的复制xpath功能，firefox下载firebug插件 - xpath有c的速度，所以按照[@class=""]准确性较高
提取内容
| 方法 | 返回 |
|---|---|
| Selector.xpath() | 返回SelectorList对象 |
| Selector.css() | 返回SelectorList对象 |
| SelectorList.extract() | 返回List对象 |
| SelectorList.extract_first(default) | 返回String对象，可以有默认值，类似dict.get(key, default) |