Xpath简明教程（十分钟入门）

在编写爬虫程序的过程中提取信息是非常重要的环节，但是有时使用正则表达式无法匹配到想要的信息，或者书写起来非常麻烦，此时就需要用另外一种数据解析方法，也就是本节要介绍的 Xpath 表达式。

Xpath表达式

XPath（全称：XML Path Language）即 XML 路径语言，它是一门在 XML 文档中查找信息的语言，最初被用来搜寻 XML 文档，同时它也适用于搜索 HTML 文档。因此，在爬虫过程中可以使用 XPath 来提取相应的数据。

提示：XML 是一种遵守 W3C 标椎的标记语言，类似于 HTML，但两者的设计目的是不同，XML 通常被用来传输和存储数据，而 HTML 常用来显示数据。

您可以将 Xpath 理解为在XML/HTML文档中检索、匹配元素节点的工具。

Xpath 使用路径表达式来选取XML/HTML文档中的节点或者节点集。Xpath 的功能十分强大，它除了提供了简洁的路径表达式外，还提供了100 多个内建函数，包括了处理字符串、数值、日期以及时间的函数。因此 Xpath 路径表达式几乎可以匹配所有的元素节点。

Python 第三方解析库 lxml 对 Xpath 路径表达式提供了良好的支持，能够解析 XML 与 HTML 文档。

Xpath节点

XPath 提供了多种类型的节点，常用的节点有：元素、属性、文本、注释以及文档节点。如下所示：

<?xml version="1.0" encoding="utf-8"?>
<website>
<site>
<title lang="zh-CN">website name</title>
<name>编程帮</name>
<year>2010</year>
<address>www.biancheng网站站点" rel="nofollow"  /> 
<website></website> （文档节点）
<name></name> （元素节点）
lang="zh-CN" （属性节点） 

节点关系

XML 文档的节点关系和 HTML 文档相似，同样有父、子、同代、先辈、后代节点。如下所示：

<?xml version="1.0" encoding="utf-8"?>
<website>
<site>
<title lang="zh-CN">website name</title>
<name>编程帮</name>
<year>2010</year>
<address>www.biancheng网站站点" rel="nofollow"  /> 
title name year address 都是 site 的子节点
site 是 title name year address  父节点
title name year address  属于同代节点
title 元素的先辈节点是 site website
website 的后代节点是 site title name year address

Xpath基本语法

1) 基本语法使用

Xpath 使用路径表达式在文档中选取节点，下表列出了常用的表达式规则：

Xpath路径表达式

表达式	描述
node_name	选取此节点的所有子节点。
/	路径匹配，从根节点选取。
//	相对路径匹配，从所有节点中查找当前选择的节点，包括子节点和后代节点，其个 / 表示根节点。
.	选取当前节点。
..	选取当前节点的父节点。
@	选取属性值，通过属性值选取数据。常用元素属性有 @id 、@name、@type、@class、@tittle、@href。

下面以下述代码为例讲解 Xpath 表达式的基本应用，代码如下所示：

<ul class="BookList">
<li class="book1" id="book_01" href="http://www.biancheng网站站点" rel="nofollow"  />  
xpath表达式：//li
匹配内容：
c语言小白变怪兽
纸质书
80元
红蓝色封装
   
Python入门到精通
电子书
45元
蓝绿色封装
xpath表达式：//li/p[@class="name"]
匹配内容：
c语言小白变怪兽
Python入门到精通
xpath表达式：//li/p[@class="model"]
匹配内容：
纸质书
电子书
xpath表达式：//ul/li/@href
匹配内容：
http://www.biancheng网站站点" rel="nofollow"  />  []方括号。如下所示：
xpath表达式：//ul/li[@class="book2"]/p[@class="price"]
匹配结果：45元
2) xpath通配符
Xpath 表达式的通配符可以用来选取未知的节点元素，基本语法如下：

xpath通配符
通配符
描述说明
*
匹配任意元素节点
@*
匹配任意属性节点
node()
匹配任意类型的节点
示例如下：
xpath表达式：//li/*
匹配内容：
c语言小白变怪兽
纸质书
80元
红蓝色封装
Python入门到精通
电子书
45元
蓝绿色封装
3) 多路径匹配
多个 Xpath 路径表达式可以同时使用，其语法如下：
xpath表达式1 | xpath表达式2 | xpath表达式3
示例应用：
表达式：//ul/li[@class="book2"]/p[@class="price"]|//ul/li/@href
匹配内容：
45元
http://www.biancheng网站站点" rel="nofollow"  />