XPATH表达式

XPath查询XML实战
本文介绍XPath的基本用法,包括如何使用路径表达式选取XML文档中的节点,并通过实例演示了节点选取、谓语筛选及通配符等技巧。
XML 实例文档 
<?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> 

选取节点 

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。 

下面列出了最有用的路径表达式: 

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 


实例解析1: 

在下面的表格中,我们已列出了一些路径表达式以及表达式的结果: 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 选取所有属于 bookstore 的子元素的 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 选择所有属于 bookstore 元素的后代的 book 元素,而不管它们位于 bookstore 之下的什么位置。 
//@lang 选取所有名为 lang 的属性。 


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。 

实例解析2: 

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 
/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] 选取所有 bookstore 元素的 book 元素,且其中的 price 元素的值须大于 35.00。 
/bookstore/book[price>35.00]/title 选取所有 bookstore 元素中的 book 元素的 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 


实例解析3: 

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 元素的所有子节点 
//* 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。 

实例解析4: 

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 选取所有 book 元素的 tilte 和 price 元素。 
//title | //price 选取所有文档中的 title 和 price 元素。 
/bookstore/book/title | //price 选取所有属于 bookstore 元素的 book 元素的 title 元素,以及文档中所有的 price 元素。 
MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值