异常教程

XPath 教程（建议收藏）

更新时间:

💡一则或许对你有用的小广告

欢迎加入小哈的星球 ，你将获得：专属的项目实战 / 1v1 提问 / Java 学习路线 / 学习打卡 / 每月赠书 / 社群讨论

  • 新项目:《从零手撸：仿小红书（微服务架构）》 正在持续爆肝中，基于 Spring Cloud Alibaba + Spring Boot 3.x + JDK 17...，点击查看项目介绍 ;
  • 《从零手撸：前后端分离博客项目（全栈开发）》 2 期已完结，演示链接： http://116.62.199.48/ ;

截止目前， 星球 内专栏累计输出 82w+ 字，讲解图 3441+ 张，还在持续爆肝中.. 后续还会上新更多项目，目标是将 Java 领域典型的项目都整一波，如秒杀系统, 在线商城, IM 即时通讯，权限管理，Spring Cloud Alibaba 微服务等等，已有 2900+ 小伙伴加入学习 ，欢迎点击围观

前言

在编程和数据提取领域，XPath 教程是开发者必须掌握的核心技能之一。无论是解析 XML 文件、自动化网页数据抓取，还是构建复杂的自动化测试脚本，XPath 都能提供高效精准的节点定位能力。本文将从零开始，通过循序渐进的讲解和生动案例，帮助编程初学者和中级开发者快速掌握 XPath 的核心原理与实战技巧。

基础概念：理解 XPath 的逻辑框架

什么是 XPath？

XPath（XML Path Language）是一种用于在 XML/HTML 文档中定位节点或值的查询语言。它可以看作是文档结构的“导航地图”，通过路径表达式精准定位到目标元素。例如，在解析网页时，XPath 可以帮助开发者快速找到特定的表格、按钮或文本内容。

XML 文档的树形结构

XPath 的设计基于 XML 文档的树形结构。每个 XML 元素都是树中的一个“节点”，节点之间通过父子、兄弟等关系连接。例如，以下 XML 片段：

<books>  
  <book id="1">  
    <title>Python 入门</title>  
    <author>张三</author>  
    <price>59.9</price>  
  </book>  
  <book id="2">  
    <title>JavaScript 教程</title>  
    <author>李四</author>  
    <price>49.9</price>  
  </book>  
</books>

可以视为一棵树：根节点是 <books>，每个 <book> 是子节点，而 <title>、<author> 等是孙节点。

节点类型与路径表达式

XPath 支持 7 种节点类型：元素、属性、文本、命名空间、处理指令、注释和文档节点。路径表达式则通过组合符号（如 /、//、@）描述节点之间的路径关系。例如：

  • /books/book：从根节点 <books> 开始，直接选取所有 <book> 子节点。
  • //title：在整个文档中选取所有 <title> 节点。

路径表达式详解：从简单到复杂

绝对路径与相对路径

绝对路径从根节点开始逐级定位，例如：

/books/book[1]/title  # 选取第一个 <book> 的 <title>

相对路径以当前节点为起点，例如：

//book[./price > 50]  # 选取所有 price 超过 50 的 <book>

通配符与模糊匹配

XPath 提供了多种通配符简化路径表达式：

  • *：匹配任意元素节点。例如 //book/* 会选取所有 <book> 的子元素。
  • @*：匹配任意属性节点。例如 /book/@id 会选取 <book> 的 id 属性。
  • text()：匹配文本节点。例如 /book/title/text() 会直接获取 <title> 的文本内容。

节点轴（Axes）的直观理解

轴是 XPath 中描述节点间关系的核心概念。例如：

  • child::：选取当前节点的子节点（默认轴，可省略）。
  • parent::：选取当前节点的父节点。
  • ancestor::：选取当前节点的所有祖先节点。

下表总结了常用轴及其含义：

轴名描述示例路径表达式
child当前节点的直接子节点.//title
parent当前节点的父节点../@id
descendant当前节点的所有后代节点//book/descendant::price
attribute当前节点的属性节点@id
following-sibling当前节点之后的兄弟节点following-sibling::book

XPath 的筛选与运算：实现精准定位

索引与位置筛选

通过方括号 [] 可以添加条件筛选：

/book[1]          # 选取第一个 <book> 节点  
/book[last()]     # 选取最后一个 <book> 节点  
/book[position() < 3]  # 选取前两个 <book> 节点

比较运算符与逻辑运算

XPath 支持 =, !=, <, >, and, or 等运算符，例如：

//book[price > 50 and author = '张三']  # 选取价格高于50且作者为张三的书籍

函数的灵活应用

XPath 内置了大量函数提升表达式能力：

  • contains()：判断文本是否包含特定字符串。 
    //title[contains(text(), '入门')]  # 选取标题包含“入门”的书籍
  • starts-with()：判断文本是否以特定字符串开头。 
    //title[starts-with(text(), 'Java')]  # 选取以“Java”开头的书籍标题

实战案例：解析 XML 数据

案例背景

假设我们有一个书籍目录 XML 文件，结构如下：

<library>  
  <section name="编程类">  
    <book id="B001">  
      <title>Python 核心编程</title>  
      <author>Guido van Rossum</author>  
      <price>79.9</price>  
    </book>  
    <book id="B002">  
      <title>设计模式</title>  
      <author>Gamma</author>  
      <price>69.9</price>  
    </book>  
  </section>  
  <section name="小说类">  
    <book id="B003">  
      <title>三体</title>  
      <author>刘慈欣</author>  
      <price>49.9</price>  
    </book>  
  </section>  
</library>

查询需求与 XPath 实现

  1. 获取所有书籍的标题：

    //book/title

  2. 筛选价格高于 60 元的书籍：

    //book[price > 60]

  3. 获取“编程类”章节下的书籍作者：

    //section[@name='编程类']/book/author

  4. 选取最后一个书籍节点的 ID：

    //book[last()]/@id

高级技巧：命名空间与动态匹配

处理 XML 命名空间

当 XML 文档包含命名空间时，需通过 namespace-uri() 函数或前缀声明来定位节点。例如：

<books xmlns="http://example.com/books">  
  <book>...</book>  
</books>

对应的 XPath 可写为：

//book[namespace-uri()='http://example.com/books']

使用通配符与条件组合

结合 * 和 @* 可实现动态匹配：

/*/*[@id and contains(title, '编程')]  # 选取任意层级下有 id 属性且标题含“编程”的节点

结论

通过本文的系统学习，开发者可以掌握从基础到高级的 XPath 教程 知识点，并通过实际案例理解其应用场景。XPath 的核心在于将文档视为树形结构，并通过路径表达式精准定位目标节点。无论是自动化测试、数据抓取还是 XML 配置解析，XPath 都是不可或缺的工具。建议读者通过练习不同场景的查询需求，逐步提升对复杂表达式的理解与应用能力。

掌握 XPath 后，开发者可以更高效地处理结构化数据，为后续的网页爬虫开发、配置文件解析等进阶任务打下坚实基础。

最新发布

查看更多文章