本文主要是介绍[Xpath] Xpath基础知识，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
1.Xpath(XML Path Language)介绍
Xpath用于在HTML文档中通过元素(HTML标签)和属性(HTML标签的属性)进行数据定位
Xpath的优势：灵活且稳定
HTML的结构是树形结构，HTML是根节点，所有的其他元素节点都是从根节点发出的，其他元素都是这棵树上的节点Node，每个节点还可能有属性和文本
所有的HTML标签都有很强的层级关系，正是基于这种层级关系，Xpath语法能够选择出我们想要的数据
节点之间的关系
父节点(Parent)：html 是 body 和 head 节点的父节点
子节点(Child)：head 和 body 是 html 的子节点
兄弟节点(Sibling)：拥有相同的父节点，head 和 body 就是兄弟节点，title 和 div 不是兄弟节点，因为他们不是同一个父节点
祖先节点(Ancestor)：body 是 form 的祖先节点
后代节点(Descendant)：form 是 html 的后代节点
Xpath中的绝对路径与相对路径
Xpath中的绝对路径从HTML根节点开始算，相对路径从任意节点开始
我们可以通过开发者工具，拷贝Xpath的绝对路径和相对路径
1.1 Xpath基础语法
| 表达式 | 描述 |
| / | 从根节点开始选取 |
| // | 从任意节点开始选取 |
| . | 选取当前节点 |
| .. | 选取当前节点的父节点 |
| @ | 选取属性或者根据属性选取 |
| * | 通配符，表示任意节点或任意属性 |
示例
1.如果想选择HTML文档中所有的<p>标签，使用的Xpath表达式：//p
2.如果想选择拥有href属性的所有<a>标签，使用的Xpath表达式：//a[@href]
3.如果想选择文本内容等于"Hello"的所有元素，使用的Xpath表达式：//*[test()='Hello']
4.如果想选择所有<ul>标签的直接<li>子元素，使用的Xpath表达式：//ul/li
元素属性定位
① 根据属性名定位元素
定位具有特定属性名的元素：
//*[@attribute_name]
示例：//*[@class] 会匹配所有具有 "class" 属性的元素
② 根据属性名和属性值定位元素
定位具有特定属性名和属性值的元素：
//*[@attribute_name='value']
示例：//*[@id='myElement'] 会匹配 id 属性值为 "myElement" 的元素
③ 根据部分属性值定位元素
定位具有属性值包含特定文本的元素：
//*[contains(@attribute_name,'value')]
示例：//*[contains(@class,'active')] 会匹配 class 属性值包含 "active" 的元素
④ 根据多个属性进行定位
定位具有多个属性及其对应值的元素：
//*[@attribute_name_1='value_1' and @attribute_name_2='value_2']
示例：//*[@class='active' and @data-type='button'] 会匹配同时具有 class 属性值为"active" 和 data-type 属性值为 "button" 的元素
层级属性结合定位
① 定位父元素下的子元素
通过指定父元素和子元素的标签名来定位元素：
//父元素名/子元素名
② 定位特定属性的父元素下的子元素
通过指定父元素的属性和属性值，再结合子元素的标签名来定位元素
//父元素名[@属性名='属性值']/子元素名
示例：//div[@class='container']/p 会匹配 class 属性为 "container" 的<div>元素下的所有<p>元素
③ 定位特定属性的父元素下的特定属性的子元素
通过指定父元素和子元素的属性条件来定位元素
//父元素名[@属性名1='属性值1']/子元素名[@属性名2='属性值2']
示例：//ul[@id='menu']/li[@class='active'] 会匹配 id 属性为 "menu" 的<ul>元素下的class 属性为 "active" 的所有<li>元素
使用谓语定位
① 定位符合特定索引的元素
通过位置索引来定位元素(索引值从1开始)
//tagname[position()]
示例：//ul/li[position() = 3] 可以匹配位于<ul>下的第三个<li>元素
② 定位满足特定属性条件的元素
通过属性条件来定位元素
//tagname[@attribute='value']
示例：//input[@type='text'] 可以匹配所有type属性值为"text" 的<input>元素
③ 结合多个条件定位元素
使用逻辑运算符and结合多个属性条件来定位元素
示例：//a[@class='active' and @href='/home'] 可以匹配同时满足class属性值为 "active" 和href属性值为 "/home" 的<a>元素
④ 通过文本内容定位元素
通过文本内容来定位元素
//tagname[text()='value']
示例：//h1[text()='Welcome'] 可以匹配文本内容为 "Welcome" 的<h1>元素
使用逻辑运算符定位
① 使用 and 运算符
通过结合多个属性条件，使用and运算符定位元素
//tagname[@attribute1='value1' and @attribute2='value2']
示例：//input[@type='text' and @name='username'] 可以匹配type属性为"text"且name属性为"username"的<input>元素
② 使用 or 运算符
通过结合多个属性条件，使用or运算符定位元素
//tagname[@attribute1='value1' or @attribute2='value2']
示例：//a[@class='active' or @class='highlight'] 可以匹配class属性为"active"或"class"属性为"highlight"的<a>元素
③ 使用 not 运算符
使用not运算符否定一个属性条件，定位不满足该条件的元素
//tagname[not(@attribute='value')]
示例：//div[not(@class='header')] 可以匹配class属性不为"header"的<div>元素
使用文本定位
① 定位文本内容相等的元素
匹配文本内容与指定值相等的元素
//tagname[text()='value']
示例：//a[text()='Login'] 可以匹配文本为"Login"的所有<a>元素
② 定位包含指定文本内容的元素
匹配包含指定值的文本内容的元素
//tagname[contains(text(), 'value')]
示例：//p[contains(text(), 'Lorem ipsum')] 可以匹配包含"Lorem ipsum"文本的所有<p>元素
③ 根据包含特定关键词的文本内容定位元素
匹配文本内容中包含特定关键词的元素
//tagname[contains(text(), 'keyword')]
示例：//h2[contains(text(), 'Contact')] 可以匹配文本内容中包含"Contact"关键词的<h2>元素
使用函数定位
| 函数 | 说明 | 举例 |
| contains | 选取属性或者文本包含某些字符 | //div[contains(@id, 'data')] 选取 id 属性包含 data 的 div 元素 |
| starts-with | 选取属性或者文本以某些字符开头 | //div[starts-with(@id, 'data')] 选取 id 属性以 data 开头的 div 元素 |
| ends-with | 选取属性或者文本以某些字符结尾 | //div[ends-with(@id, 'require')] 选取 id 属性以 require 结尾的 div 元素 |
1.2 Xpath语法验证
在开发者工具的 Elements 中按Ctrl + F，在搜索框中输入 Xpath
1.3 lxml的基本使用
# 导入模块
from lxml import etree
# html源代码
web_data = """<div><ul><li class="item-0"><a href="link1.html">first item</a></li><li class="item-1"><a href="link2.html">second item</a></li><li class="item-inactive"><a href="link3.html">third item</a></li><li class="item-1"><a href="link4.html">fourth item</a></li><li class="item-0"><a href="link5.html">fifth item</a></ul></div>"""
# 将html转成xml文件
element = etree.HTML(web_data)# 获取li标签下面的a标签的href
links = element.xpath('//ul/li/a/@href')
print(links) # ['link1.html', 'link2.html', 'link3.html', 'link4.html', 'link5.html']# 获取li标签下面的a标签的文本数据
result = element.xpath('//ul/li/a/text()')
print(result) # ['first item', 'second item', 'third item', 'fourth item', 'fifth item']这篇关于[Xpath] Xpath基础知识的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
