xpath
Posted mswyf
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了xpath相关的知识,希望对你有一定的参考价值。
XPath (XML Path Language) 是一门在 XML 文档中查找信息的语言,可用来在 XML 文档中对元素和属性进行遍历。
W3School官方文档
开发工具
- 开源的XPath表达式编辑工具:XMLQuire(XML格式文件可用)
- Chrome插件 XPath Helper
- Firefox插件 XPath Checker
XPath 节点
节点(Node)
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。
请看下面这个 XML 文档:
<bookstore> <book> <title lang="en">Harry Potter</title> <author>J K. Rowling</author> <year>2005</year> <price>29.99</price> </book> </bookstore>
上面的XML文档中的节点例子:
<bookstore> (文档节点) <author>J K. Rowling</author> (元素节点) lang="en" (属性节点)
基本值(或称原子值,Atomic value)
基本值是无父或无子的节点。
基本值的例子:
J K. Rowling
"en"
项目(Item)
项目是基本值或者节点。
节点关系
父(Parent)
每个元素以及属性都有一个父。
在下面的例子中,book 元素是 title、author、year 以及 price 元素的父:
<book> <title>Harry Potter</title> <author>J K. Rowling</author> <year>2005</year> <price>29.99</price> </book>
子(Children)
元素节点可有零个、一个或多个子。
在下面的例子中,title、author、year 以及 price 元素都是 book 元素的子:
<book> <title>Harry Potter</title> <author>J K. Rowling</author> <year>2005</year> <price>29.99</price> </book>
同胞(Sibling)
拥有相同的父的节点
在下面的例子中,title、author、year 以及 price 元素都是同胞:
<book> <title>Harry Potter</title> <author>J K. Rowling</author> <year>2005</year> <price>29.99</price> </book>
先辈(Ancestor)
某节点的父、父的父,等等。
在下面的例子中,title 元素的先辈是 book 元素和 bookstore 元素:
<bookstore> <book> <title>Harry Potter</title> <author>J K. Rowling</author> <year>2005</year> <price>29.99</price> </book> </bookstore>
后代(Descendant)
某个节点的子,子的子,等等。
在下面的例子中,bookstore 的后代是 book、title、author、year 以及 price 元素:
<bookstore> <book> <title>Harry Potter</title> <author>J K. Rowling</author> <year>2005</year> <price>29.99</price> </book> </bookstore>
XPath 语法
XPath 使用路径表达式来选取 XML 文档中的节点或节点集。节点是通过沿着路径 (path) 或者步 (steps) 来选取的。
XML 实例文档
我们将在下面的例子中使用这个 XML 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
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 | 选取属于 bookstore 的子元素的所有 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 | 选择属于 bookstore 元素的后代的所有 book 元素,而不管它们位于 bookstore 之下的什么位置。 |
//@lang | 选取名为 lang 的所有属性。 |
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
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 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。 |
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
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。 |
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
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。 |
Python操作Xpath
lxml库
lxml是一个html/XML的解析器,主要的功能是如何解析和提取HTML/XML数据
我们可以利用xpath语法来快速的定位特定元素以及节点信息
安装lxml
pip install lxml
Python操作xpath简单实例:
from lxml import etree html = ‘‘‘ <bookstore> <book price="100" category="cooking"> <title lang="en">Everyday Italian</title> <author>Giada De Laurentiis</author> <year>2005</year> <price>30.00</price> </book> <book category="children"> <title lang="en">Harry Potter</title> <author>J K. Rowling</author> <year>2005</year> <price>29.99</price> </book> <book category="web"> <title category="web">XQuery Kick Start</title> <author>James McGovern</author> <author>Per Bothner</author> <author>Kurt Cagle</author> <author>James Linn</author> <author>Vaidyanathan Nagarajan</author> <year>2003</year> <price>49.99</price> </book> <book category="web" cover="paperback"> <title>Learning XML</title> <author>Erik T. Ray</author> <year>2003</year> <price>39.95</price> </book> </bookstore> ‘‘‘ html = etree.HTML(html) # 加载字符串 # html = etree.parse(‘temp.html‘) # 加载文件 #构建xpath规则提取数据 res1 = html.xpath(‘//bookstore/book/title/text()‘) res2 = html.xpath(‘//book/@cover | //book/@category‘) res3 = html.xpath(‘//bookstore/book[1]/price/text()‘) res4 = html.xpath(‘//bookstore/book[position()<2]‘) # 获取第一本书 postion就是索引,索引从1开始 res5 = html.xpath(‘//title[@lang]‘) # res6 = html.xpath(‘//title[@lang="en"]/text()‘) # res7 = html.xpath(‘//bookstore/book[price>35.00]/title/text()‘) # res8 = html.xpath(‘//bookstore/*‘) # res9 = html.xpath(‘//bookstore//*‘) # res10 = html.xpath(‘//title[@*]‘) # res11 = html.xpath(‘//book/title | //book/price‘) # res12 = html.xpath(‘//*[@category="web"]‘) print(res1) print(res2) print(res3) print(res4) print(res5) print(res6) print(res7) print(res8) print(res9) print(res10) print(res11) print(res12)
结果为:
[‘Everyday Italian‘, ‘Harry Potter‘, ‘XQuery Kick Start‘, ‘Learning XML‘] [‘cooking‘, ‘children‘, ‘web‘, ‘web‘, ‘paperback‘] [‘30.00‘] [<Element book at 0x2cac708>] [<Element title at 0x2cac588>, <Element title at 0x2cac6c8>] [‘Everyday Italian‘, ‘Harry Potter‘] [‘XQuery Kick Start‘, ‘Learning XML‘] [<Element book at 0x2cac708>, <Element book at 0x2cac808>, <Element book at 0x2cac848>, <Element book at 0x2cac8c8>] [<Element book at 0x2cac708>, <Element title at 0x2cac588>, <Element author at 0x2cacb48>, <Element year at 0x2cacb88>, <Element price at 0x2cac988>, <Element book at 0x2cac808>, <Element title at 0x2cac6c8>, <Element author at 0x2cacc08>, <Element year at 0x2cacc48>, <Element price at 0x2cacbc8>, <Element book at 0x2cac848>, <Element title at 0x2cac688>, <Element author at 0x2cacc88>, <Element author at 0x2caccc8>, <Element author at 0x2cacd08>, <Element author at 0x2cacd48>, <Element author at 0x2cacd88>, <Element year at 0x2cacdc8>, <Element price at 0x2cace08>, <Element book at 0x2cac8c8>, <Element title at 0x2cac748>, <Element author at 0x2cace48>, <Element year at 0x2cace88>, <Element price at 0x2cacec8>] [<Element title at 0x2cac588>, <Element title at 0x2cac6c8>, <Element title at 0x2cac688>] [<Element title at 0x2cac588>, <Element price at 0x2cac988>, <Element title at 0x2cac6c8>, <Element price at 0x2cacbc8>, <Element title at 0x2cac688>, <Element price at 0x2cace08>, <Element title at 0x2cac748>, <Element price at 0x2cacec8>] [<Element book at 0x2cac848>, <Element title at 0x2cac688>, <Element book at 0x2cac8c8>]
以上是关于xpath的主要内容,如果未能解决你的问题,请参考以下文章