xpath基础

XPath(XML Path Language)是一种用于在XML和HTML文档中查找信息的查询语言，主要通过路径表达式来定位节点元素。以下是XPath的核心要点：

一、基本概念

节点类型：包括元素节点、属性节点、文本节点、命名空间节点等7种类型
路径表达式：使用类似文件路径的语法定位节点，如/html/body/div1
设计初衷：作为XSLT、XPointer等技术的查询基础

二、核心语法

常用路径表达式：

/ 从根节点选取
// 从任意位置选取
. 当前节点
… 父节点
@ 选取属性

谓语筛选：

[1] 选取第一个元素
[last()] 选取最后一个
[@class=‘example’] 属性筛选

通配符：
*匹配任意元素
@ * 匹配任意属性

三、实际应用

网页爬虫：从HTML中提取特定数据
自动化测试：如Selenium元素定位
XML处理：文档转换和数据提取
八爪鱼等采集工具的基础定位语言

四、开发工具

浏览器开发者工具：可直接测试XPath表达式
Python库：lxml的etree模块
在线验证工具：如freeformatter.com
XPath 2.0/3.0增加了更多函数和序列处理能力，但1.0版本仍是应用最广泛的。掌握XPath能显著提升XML/HTML文档的处理效率。