【Java】爬虫基础 -- XPath 小案例

最新推荐文章于 2021-09-24 09:58:00 发布

原创

最新推荐文章于 2021-09-24 09:58:00 发布 · 522 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#java #xml #xpath

这篇博客介绍了XPath在XML文档中的基本概念和语法，包括父、子、同胞和后代关系，以及谓语、通配符和选取多个路径的用法。通过实例代码展示了如何在Java中使用XPath解析XML，提供了针对现代浏览器和IE的处理方法，并指导了如何运行程序查看结果。

XPath 是一门在 XML 文档中查找信息的语言。

基础信息

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（根）节点。XML 文档是被作为节点树来对待的。树的根被称为文档节点或者根节点，节点之间的关系有以下几种：

父（Parent）：每个元素以及属性都有一个父
子（Children）：元素节点可有零个、一个或多个子
同胞（Sibling）：拥有相同的父的节点
先辈（Ancestor）：某节点的父、父的父，等等。
后代（Descendant）：某个节点的子，子的子，等等

XPath语法：

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 (path) 或者步 (steps) 来选取的，以下面books.xml为例，描述xpath语法。

<?xml version="1.0" encoding="UTF-8"?>  
<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，右边两列列出了一些路径表达式以及表达式的结果
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。

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：
选取未知节点：XPath 通配符可用来选取未知的 XML 元素
选取若干路径：通过在路径表达式中使用"|"运算符，可以选取若干个路径。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