xpath路径选择器定位元素
1. xpath：
使用路径表达式来定位xml或者html中文档中选取节点。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、注释以及文档节点（或称为根节点）
假设xml文档为：
<?xml version="1.0" encoding="ISO-8859-1"?>
<bookstore>
<book>
<title lang="en">Harry Potter</title>
<author>J K. Rowling</author>
<year>2005</year>
<price>29.99</price>
</book>
</bookstore>
l 文档节点：<bookstore>
l 元素节点：<author>J K. Rowling</author>
l 属性节点：lang="en"
l 文本：2005
l 父节点（Parent）：每个元素以及属性都有一个父。book 元素是 title、author、year 以及 price 元素的父
l 子节点（Children）：节点可有零个、一个或多个子节点。title、author、year 以及 price 元素都是 book 元素的子
l 同胞（Sibling）：拥有相同的父的节点。title、author、year 以及 price 元素都是同胞
l 先辈（Ancestor）：某节点的父、父的父，等等。title 元素的先辈是 book 元素和 bookstore 元素
l 后代（Descendant）：某个节点的子，子的子，等等。bookstore 的后代是 book、title、author、year 以及 price 元素
2. 基础语法：
1) 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。（可以理解为后面跟的是绝对路径） |
| // |
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。（相对路径） |
| . |
选取当前节点。 |
| .. |
选取当前节点的父节点。 |
| @ |
选取属性。后面跟属性名 |
2) 谓语（Predicates）
放在方括号[]中，相当于筛选条件，用来查找[]中指定的特定节点或者包含某个指定的值的节点。在下面的表格中，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 |
| /bookstore/book[1] |
选取属于 bookstore 子元素的第一个 book 元素。 /表示绝对路径，所以后面跟的是根节点bookstore，[]内部的数字表示第几个[]前面的元素，也就是第1个book元素，注意这里的编号是从1开始。 |
| /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] |
@lang表示lang属性，//title表示选取所有title元素，这个表达式表示的是选取所有带 lang 属性的 title 元素。 |
| //title[@lang='eng'] |
选取所有 title 元素，且元素的lang属性值为eng |
| /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。 |
在下面的表格中，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。 |
3) xpath轴
亲属关系匹配
| 例子 |
结果 |
| /bookstore/child::book |
child表示子节点，child::book就是子节点名为book的节点，整个表达式就是说bookstore节点的所有子节点名字为book的节点 |
| attribute::lang |
attribute表示属性名，表达式为选取当前节点的 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。 |
| parent::* |
找到父级元素 |
| following::* |
选取文档中当前节点的结束标签之后的所有节点 |
| 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 |
| following-sibling::* |
选取当前节点之后的所有同级节点 |
| descendant::* |
选取当前节点的所有后代元素（子、孙等） |
例如有一段html的内容如下
<div>
<span>text</span>
<input id = ‘123’>
</div>
此时如果想要获取第二个span标签，可以这样写：
//input[@id='123']/preceding-sibling::span
input标签比较好找，先找到input标签，然后找它的兄弟节点。preceding-sibling表示找前面的元素的同级元素，后面的::span表示找的是span标签。
4) Xpath运算符
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。 |
5) xpath常用函数
| 实例 |
返回值 |
| last() |
返回当前上下文中的最后一个节点的位置号码数 |
| position() |
返回当前节点的位置的数字，位于第多少个 |
//book[position()=2]等价于//book[2]
例子：
| 路径表达式 |
结果 |
| //div[last()] |
最后一个div |
| //div[last()-1] |
倒数第二个div |
| //div[position()<3] |
前两个div |
| //div[@id='id3']//p[last()] |
第三个div中最后一个p标签对象 |
| //div[@href='http://www.baidu.com'] |
选取连接为http://www.baidu.com的属性 |
| //*[@id='id3']//p[contain(.,'20')] |
在第3个div中找包含20的文本节点 |
| //*[@id='id3']//p[contain(.,'20')]//fowing-sibiling::p |
选取包含字符串20文本节点的下一个节点的p节点 |
3. 补充几个常用方法
3.1 contains
包含，比如//div[contains(@class,'xx')]
查找div元素，元素的class属性值包含xx
3.2 starts-with
以某某开头，例如
//input[starts-with(@class,'xx')]
查找input元素，元素的class属性值以xx开头
3.3 ends-with
以某某结尾，例如：
//input[starts-with(@class,'xx')]
查找input元素，元素的class属性值以xx结尾
3.4 not
否定的意思，比如：
input[not（id='123'）]
查找id值不是123的input元素。
//span[not(contains(text(),'123'))]
查找一个文本内容不包含123的span标签。
3.5 *通配符
*表示通配符，比如：//span[@*='123']
span标签的任何属性为123的元素
4. 定位原则
以百度首页为例
1) 用id定位，比如//input[@id="su"]
2) 用元素文本 比如//input[@value="百度一下"]
3) 用元素的唯一属性,找到这个元素的唯一属性，写法同上
4) 用元素的多个属性组合，比如//*[@id="kw" and @name ="wd"]
5) contains模糊匹配，比如//div[@id="u"]/a[contains(.,"录")]。或者可以写//div[@id="u"]/a[contains(@href,"passport")]
6) 找到已查找的元素，然后基于此元素的相对位置定位，比如先找到一个div，再通过找到的这个div找他的父亲或者兄弟，子女。//div[@id="u"]/child::node()，先找到一个id属性为u的div，再找到这个div的所有孩子节点，后面跟[1]，就是这些孩子节点的第一个节点。