使用 CSS 或 XPath 选择器解析 HTML？

Posted 2023-03-06

【中文标题】使用 CSS 或 XPath 选择器解析 HTML？

【英文标题】：Parse HTML with CSS or XPath selectors?

【发布时间】：2011-02-06 17:54:47

【问题描述】：

我的目标是用 lxml 解析 html，它支持 XPath 和 CSS 选择器。

我可以将我的模型属性绑定到 CSS 或 XPath，但我不确定哪个是最好的，例如更改 HTML 布局时更轻松，表达式更简单，提取速度更快。

在这种情况下你会选择什么？

【参考方案1】：

你觉得哪个更舒服？大多数人倾向于发现 CSS 选择器更容易，如果其他人会维护你的工作，你应该考虑到这一点。造成这种情况的一个原因可能是不太担心 XML 名称空间是许多错误的根源。 CSS 选择器往往比等效的 XPath 更紧凑，但只有您可以决定这是否是相关因素。我会注意到，jquery 的选择语言是基于 CSS 选择器而不是 XPath 建模的，这并非偶然。

另一方面，XPath 是一种用于一般 DOM 操作的更具表现力的语言。例如，没有等效于“父”或“祖先”轴的 CSS 选择器，也没有办法直接寻址与 XPath 中的“text()”等效的文本节点。相比之下，我想不出任何可以在 CSS 选择器中表达但不能在 XPath 中表达的 DOM 路径，尽管 E[foo~="warning"] 和 E[lang|="en"] 在 XPath 中显然很棘手。

CSS 选择器确实具有 XPath 不是伪类，但如果您正在执行服务器端 DOM 操作，这些可能对您没有用处。

至于哪个导致提取速度更快，我不知道 lxml，但我希望等效路径具有非常相似的性能特征。