数据提取（一）：Xpath - 语法

一、Xpath简述

xpath（XML Path Language）是一门在XML、HTML文档中查找信息的语言，可用来在XML HTML文档中对元素和属性进行遍历

二、Xpath Helper简述

xPath helper 是xpath的开发工具，是一款 Chrome 浏览器的开发者插件/Firefox插件为Try Xpath，安装了 xPath helper 后能轻松获取 HTML元素的 xPath，程序员不再需要通过搜索 html 源代码，定位一些 id 去找到对应的位置去解析网页了

三、Xpath节点

Xpath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

<?xml version="1.0" encoding="UTF-8"?>
<bookstore>
  <book>
    <title lang="en">Harry Potter</title>
    <author>J K. Rowling</author>
    <year>2005</year>
    <price>29.99</price>
  </book>
</bookstore>


（1）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)

（2）基本值的例子：J K. Rowling"en"
基本值（或称原子值，Atomic value）：基本值是无父或无子的节点。

（3）项目（Item）：项目是基本值或者节点。

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

四、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
节点通过沿着路径 (path) 或者步 (steps) 来选取

（1）选取结点

路径表达式	描述	示例	结果
nodename	选取此节点的所有子节点	bookstore	选取bookstore下所有的子节点
/	如果是在最前面 代表从根节点开始选取 否则选择某结点下的某个节点	（1）/bookstore（2）bookstore/book	（1）选取根结点下所有的bookstore结点（2）选取bookstore节点下所有的book结点 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！
//	从全局结点中中选择节点，随便在哪个位置	（1）//book （2）bookstore//book	（1）从全局节点中找到所有的book结点，不管他们在哪个位置（2）选择 bookstore结点后代中的所有 book结点，不管它们位于 bookstore 之下的什么位置
@	选取某个节点的属性	（1）//book[@price]（2）//@lang	（1）选取所有拥有price属性的book结点（2）选取名为 lang 的所有属性
.	选取当前节点
..	选取当前节点的父节点

（1）查找book 
方法一：html/body/bookstore/book  
	注意head和body同级的，不是html/head/body/bookstore/book 
方法二：//book
结果得到两个book

注意/获取子节点 //获取子孙节点

（2）查找lang属性
//book/title[@lang="eng"]  选取所有的title结点 且这些节点拥有属性值为eng的lang属性
结果得到 Harry Potter
//book/title[@lang]  选取所有的title结点 且这些节点拥有lang属性

	 注意有时候属性包含了多个值使用contains()函数,如
	 //title[contains(@lang,'eng')]

（3）上面例子中有两个book,如果只查找其中某一个book 就要用到谓语
	特别注意：第一个下标是从 1 开始 不是从 0 开始
所谓谓语，是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

/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。

（2）谓语/谓词

（3）通配符 *

通配符	描述	示例	结果
*	匹配任意节点	/bookstore/*	选取bookstore下的所有子元素
@*	匹配节点的任意属性	//book[@*]	选取所有带有属性的book元素

（4）运算符

特别注意逻辑或是or
| 是计算两个节点集 主要用来选取若干路径 如
//bookstore/book | //book/title
选取所有book元素以及book元素下所有的title元素