XPath高阶玩法：灵活使用Axes技巧+函数，爬虫效率翻倍！

智_永无止境

已于 2025-05-19 11:09:22 修改

阅读量901

点赞数 17

分类专栏：插件文章标签：爬虫 xpath Axes 轴

于 2025-05-19 10:53:35 首次发布

本文链接：https://blog.youkuaiyun.com/static_coder/article/details/148058486

版权

插件专栏收录该内容

14 篇文章

订阅专栏

01 引言

上一期主要介绍了XPath的基本语法，以及常用的技巧，用于快速入门。但是使用的技巧中引入了轴（Axes）以及函数的概念，为了能够更加游刃有余的使用进阶技巧，我们完整的介绍一下XPath 的高阶玩法。

02 轴（Axes）

在 XPath 中，轴（Axes）是用来定位 XML 或 HTML 文档中节点与当前节点之间关系的关键概念，它是是 XPath 中用于定义方向和节点关系的一种机制。通过轴，您可以向上、向下、向左或向右查找节点。每个轴表示一个特定的方向，并能返回相对于当前节点的不同节点集合。

XPath 提供了多种轴，用于定位当前节点的父节点、子节点、兄弟节点、祖先节点等。

2.1 轴的枚举

轴名称	含义
ancestor	直译：祖先。选取当前节点的所有先辈（父、祖父等）。
ancestor-or-self	直接：祖先或自己。选取当前节点的所有先辈（父、祖父等）以及当前节点本身。
attribute	直译：属性。选取当前节点的所有属性。
child	直译：孩子。选取当前节点的所有子元素（不包含孙）。
descendant	直译：后代。选取当前节点的所有后代元素（子、孙等）。
descendant-or-self	直译：后代或自己。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	直译：后面。选取文档中当前节点的结束标签之后的所有节点（包括子节点）。
following-sibling	直译：后面的兄弟节点。选取当前节点之后的所有兄弟节点（不包括子节点）
namespace	直译：名称空间。选取当前节点的所有命名空间节点。
parent	直译：父亲。选取当前节点的父节点（最近的一个）。
preceding	直译：前一个。选取文档中当前节点的开始标签之前的所有节点。
preceding-sibling	直译：前一个兄弟节点。选取当前节点之前的所有同级节点。
self	直译：自身。选取当前节点。

用法：轴名称::节点名称

基础的语法只能按照层级一级一级的获取。而轴则可以帮助我们实现节点之间的跨越。

2.2 实战案例

实战之前我们定义一个Html页面：

<html>
    <body>
        <div class="content">
            <h1>XPath轴和函数详细语法</h1>
            <div class="detail"> 
				<span>掌握XPath轴，实现爬虫效率翻倍</span>
				<ul>
					<li>节点1</li>
					<li>节点2</li>
					<li style="color:blue">我在这里。节点3</li>
					<li>节点4</li>
					<li>节点5</li>
				</ul>
			</div>
			<div class="following"> 
				<span>掌握函数语法，快速定位标签</span>
				<div>常用函数</div>
			</div>
		<div>
    </body>
</html>

ancestor和 ancestor-or-self的使用

简单来说就是，一层和多层的关系。

# <li style="color:blue">我在这里。节点3</li> 节点的祖先们
//li[@style]/ancestor::*

# <li style="color:blue">我在这里。节点3</li> 节点的祖先们和自己
//li[@style]/ancestor-or-self::*

浏览器执行结果：

如图所示：ancestor 获取到了所有的祖先节点

attribute 、 namespace 、 parent、self

# <li style="color:blue"></li> 节点的sytle属性
# 获取所有属性使用通配符*
//li[@style]/attribute::style

# HTML本身不使用命名空间，名称空间主要用于xml，这里在赘述。

# <li style="color:blue"></li> 节点父级节点
# 只能取一层
//li[@style]/parent::*

# <li style="color:blue"></li> 节点自身
# 同 //li[@style]一致
//li[@style]/self::*

浏览器执行结果：

child、descendant和 descendant-or-self

# <div class="detail"></div> 的子节点
//div[@class='detail']/child::*

# <div class="detail"></div> 的后代们
//div[@class='detail']/descendant::*

# <div class="detail"></div> 的后代们和自己
//div[@class='detail']/descendant-or-self::*

浏览器执行结果：

following和 following-sibling

#<h1>XPath轴和函数详细语法</h1> 的后面的所有div节点
//div[1]/h1/following::div

#<h1>XPath轴和函数详细语法</h1> 的后面的所有div兄弟节点
//div[1]/h1/following-sibling::div

浏览器执行结果：

preceding 和 preceding-sibling

# <div class="following"></div>的前面的所有节点
//div[@class='following']/preceding::*

# <div class="following"></div>的前面的所有兄弟节点
//div[@class='following']/preceding-sibling::*

浏览器执行结果：

03 函数

XPath提供了丰富的内置函数，可以处理字符串、位置索引以及逻辑运算等复杂场景。

3.1 字符串函数

starts-with()、contains()和text()

# starts-with() 表示属性以XX开始
//div[starts-with(@class, 'follow')]

# contains() 表示属性包含XX
//div[contains(@class, 'tail')]

# text() 表示文本值
//div[text()=='常用函数']

浏览器执行结果：

3.2 位置索引

last()和 position()

# 获取<ul>里面的最后一个li元素
# 如果获取的是单一元素，可以通过string()的方式查看文本元素
//ul/li[last()]

# 获取<ul>里面的倒数第二个li元素
# 如果获取的是单一元素，可以通过string()的方式查看文本元素
//ul/li[last()-1]

# 获取<ul>里面的位置小于3的li元素
//ul/li[position() < 3]

浏览器执行结果：

3.3 逻辑运算

and 、or 和 not

# AND 关系：class等于content，并且第一个
//div[@class='content' and position() = 1]

# OR 关系：class等于content或者class等于detail
//div[@class='content' or @class='detail']

# OR 关系：div不包含class
//div[not(@class)]

浏览器执行结果：