欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  web前端

XPath备忘_html/css_WEB-ITnose

程序员文章站 2022-04-13 10:53:43
...
最近写了几个scrapy的爬虫程序,里面用到了xpath,写个日志记录一下用法。

XPath是什么

XPath是一种用于xml、html等结构化文档中寻址定位特定元素等描述性语言

XPath主要功能

下面以如下测试文档为例进行说明:

OneTwoThree

精确路径寻址

指通过精确制定的路径取得元素。例如

和unix文件系统概念一致,有如下几种定位方式:

  • 绝对路径, /html/body/contents/para能查找出文档中的三个para元素
  • 相对路径,在 /html/body路径下, /contents/para同样也能查找出这三个para元素
  • 父级路径, .表示当前路径, ..表示当前路径的父级路径

模糊路径寻址

不需要指定绝对路径或根据当前路径确定的相对路径,只需要指定某个子结构,就能查找出所有符合这个子结构的元素。如

  • //contents/para在任何路径下,都能查找到 整个文档下的这三个para元素
  • .//contents/para能在当前路径下,查找到子节点中任何符合 contents/para结构的元素

节点属性匹配

格式:元素[@属性="xxx"]

  • a[@class="normal-link"]能查找出两个有带normal-link class的a链
  • para[a/@class="ex-link"]能查找出一级子元素中有带ex-link class的a链的para元素,这里就是 Three

属性选择

查找某个元素中的特定属性值,如: a[@class="ex-link"]/@href能读取第三个a链的href值

内置函数

  • node(),返回任意种类的节点。比如和内置关键字 child组合成 /html/body/contents/child::node(),可以选择所有的para节点
  • text(),返回节点中包含的文本。 /html/body/contents/para/a[@class="ex-link"]/text()返回Three。特别的,和模糊路径寻址配合,如 /html/body/contents//text(),能返回contents下的 One Two Three字符串
相关标签: XPath备忘