XPath简述

今天准备写个Python爬虫爬取中华网的新闻，但提取元素时要用到Xpath，而还是19年暑假用到了这个东西，如今已经忘的差不多了，于是写了这篇博文加深记忆

简介

定义

Xpath是一门用来从XML文档中查找信息的语言

术语

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。
如下面这XML文档：

<?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>

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)

语法

表达式	描述
nodename	选取该节点的所有子节点
/	从根节点选取
//	全文选取
@	选择属性
*	匹配任何元素节点
@*	匹配任何属性节点

举例如下：

路径表达式	结果
/bookstore/*	选取bookstore元素的所有子节点
//*	选取文档中的所有属性
//title[@*]	选取所有带有属性的title元素
/bookstore/book[1]	选取属于bookstore子元素的第一个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lang属性值为eng的title元素
//a[@class=’theme’]/text()	权限类名为theme的标签a的文本内容