17370845950

XPath是用于在XML/HTML中精准定位节点的语法，核心为从根或某节点出发按层级或条件逐步查找；常用绝对路径（如/html/body/div[1]/p）、相对路径（如//div/p）及轴（child::、descendant::等）与谓语（如[@class='title']）组合实现灵活选取。

XPath 路径表达式是用来在 XML 或 HTML 文档中定位节点（元素、属性、文本等）的一套语法，核心是“从根或某节点出发，按层级或条件一步步找到目标”。用对了，就能精准提取数据；写错了，就容易匹配不到或选错范围。

基础路径写法：从根开始或相对定位

最常用的是绝对路径（以 / 开头）和相对路径（不以 / 开头）：

• /html/body/div[1]/p：从文档根开始，逐层指定元素，定位第一个 下的

• //div/p：双斜杠表示“任意层级”，匹配所有 元素下的直接子

• .//span[@class='title']：点开头表示“从当前节点开始查找”，常用于嵌套解析时避免重写全路径

常用节点选取方法：靠轴（axis）和谓语（predicate）

真正灵活的选取靠的是“轴”描述方向、“谓语”加筛选条件：

• child::（可省略）：找直接子节点，如 div/child::a 等价于 div/a
• descendant::（常用 // 替代）：找所有后代，不限层级，如 //ul/descendant::li
• following-sibling::：找后面同级的兄弟节点，如 h2/following-sibling::p[1] 取紧接在
  后的第一个段落
• 谓语写在方括号里，支持属性、位置、文本内容判断：//input[@type='submit']、//li[3]、//a[text()='登录']

实用技巧：处理常见难点

实际用 XPath 抓网页或解析 XML 时，几个易错点要留意：

• HTML 中的命名空间（如 SVG、XHTML）可能让 //div 失效，需先声明或用通配符 */div
• 属性值含空格或动态 ID，别硬写完整值，改用包含匹配：//div[contains(@class, 'btn-primary')]
• 文本内容有换行缩进？用 normalize-space() 清理：//p[normalize-space(text())='立即购买']
• 多个条件组合用 and 或 or：//button[@type='submit' and contains(@class,'save')]

基本上就这些。XPath 不复杂但容易忽略细节，多练几个真实 HTML 片段，比如找表格第二列、带 data-id 的按钮、或者某个 div 里最后一个非空段落，手感就上来了。