一、定义
XPath(XML Path Language)是一种用于在 XML 文档中定位和选择节点的语言。XPath的选择功能非常强大,可以通过简单的路径选择语法,选取文档中的任意节点或节点集。学会XPath,可以轻松抓取网页数据,提高数据获取效率。
二、XPath基础语法
节点(Nodes): XML 文档的基本构建块,可以是元素、属性、文本等。
路径表达式: 用于定位 XML 文档中的节点。路径表达式由一系列步骤组成,每个步骤用斜杠 / 分隔。
XPath的节点是指在XML或HTML文档中被选择的元素或属性。XPath中有7种类型的节点,包括元素节点、属性节点、文本节点、命名空间节点、处理指令节点、注释节点以及文档节点(或称为根节点)。
- 元素节点:表示XML或HTML文档中的元素。例如,在HTML文档中,、、等都是元素节点。在XPath中,可以使用元素名称来选择元素节点,例如://div表示选择所有的
元素。- 属性节点:表示XML或HTML文档中元素的属性。例如,在HTML文档中,元素的class、id、src等属性都是属性节点。在XPath中,可以使用@符号来选择属性节点,例如://img/@src表示选择所有元素的src属性。- 文本节点:表示XML或HTML文档中的文本内容。例如,在HTML文档中,标签中的文本内容就是文本节点。在XPath中,可以使用text()函数来选择文本节点,例如://p/text()表示选择所有
元素中的文本内容。- 命名空间节点:表示XML文档中的命名空间。命名空间是一种避免元素命名冲突的方法。在XPath中,可以使用namespace轴来选择命名空间节点,例如://namespace::*表示选择所有的命名空间节点。- 处理指令节点:表示XML文档中的处理指令。处理指令是一种用来给处理器传递指令的机制。在XPath中,可以使用processing-instruction()函数来选择处理指令节点,例如://processing-instruction('xml-stylesheet')表示选择所有的xml-stylesheet处理指令节点。- 注释节点:表示XML或HTML文档中的注释。注释是一种用来添加说明和备注的机制。在XPath中,可以使用comment()函数来选择注释节点,例如://comment()表示选择所有的注释节点。- 文档节点:表示整个XML或HTML文档。文档节点也被称为根节点。在XPath中,可以使用/符号来选择文档节点,例如:/表示选择整个文档节点。
本文使用XML示例如下
活着 余华 作家出版社 2012-8-1 191 20.00 平装 余华作品(2012版) 9787506365437 撒哈拉的故事 三毛 哈尔滨出版社 2003-8 217 15.80 平装 三毛全集(华文天下2003版) 9787806398791 明朝那些事儿(1-9) 当年明月 中国海关出版社 2009-4 2682 358.20 精装16开 明朝那些事儿(典藏本) 9787801656087
除了这些基本节点类型之外,XPath还支持使用通配符:
通配符 描述 示例 *
匹配任何元素节点 //book/*
选取
元素下的任意子元素节点@*
匹配任何属性节点 //book/@*
选取
元素上的任意属性节点,如
中的category
属性node()
匹配任何类型的节点 //book/node()
选取
元素下的所有类型的子节点,包括元素节点、文本节点、注释节点等
以及使用谓词来进一步筛选选择的节点集。谓词是一种用来对节点进行过滤和排序的机制,可以包含比较运算符、逻辑运算符和函数等,部分示例如下:
谓语 描述 示例 [position()=n]
选取位于指定位置的节点。n
是节点的位置(从 1 开始计数) //book[position()=1]
选取第一个
元素[last()=n]
选取位于指定位置的最后一个节点。n
是节点的位置(从 1 开始计数) //book[last()=1]
选取最后一个
元素[contains(string, substring)]
选取包含指定子字符串的节点。string
是节点的文本内容,substring
是要查找的子字符串 //book[contains(title, 'XML')]
选取标题中包含子字符串'XML'
的
元素[starts-with(string, prefix)]
选取以指定前缀开始的节点。string
是节点的文本内容,prefix
是要匹配的前缀字符串 //book[starts-with(title, 'The')]
选取标题以'The'
开始的
元素[text()=string]
选取文本内容完全匹配的节点。string
是要匹配的文本内容 //book[text()='Book Title']
选取文本内容为'Book Title'
的
元素[@category='non-fiction']
选取具有指定属性值的节点。category
是属性名称,non-fiction
是要匹配的值 //book[@category='non-fiction']
选取具有属性category
值为'non-fiction'
的
元素
XPath使用路径表达式来选取XML或HTML文档中的节点或节点集。下面是一些常用的路径表达式:
表达式 描述 示例 nodename 选取此节点的所有子节点 //bookstore/book
选取
元素下所有
子元素/ 从根节点选取直接子节点 /bookstore
从根节点选取
元素// 从当前节点选取子孙节点 //book
选取所有
元素,无论它们在文档中的位置. 选取当前节点 ./title
选取当前节点的
子元素.. 选取当前节点的父节点 ../price
选取当前节点的父节点的
子元素@ 选取属性 //book/@id
选取所有
元素的id
属性
三、XPath使用示例
选择所有名称为title的节点://title
选择所有名称为title,同时属性lang的值为eng的节点://title[@lang=’eng’]
选择id为bookstore的节点的所有子节点:/bookstore/*
选择id为bookstore的节点的所有子孙节点:/bookstore//*
选择id为bookstore的节点的直接子节点中的第一个节点:/bookstore/*[1]
选择id为bookstore的节点的属性为category的值:/bookstore/@category
四、XPath的高级用法
XPath语言提供了一些高级的功能,包括:
轴(Axes):XPath提供了几种轴,用于在文档中导航。包括child(子元素)、ancestor(祖先元素)、descendant(后代元素)和following-sibling(后续同级元素)等。
函数:XPath提供了一些内置的函数,如count(),concat(),string(),local-name(),contains(),not(),string-length()等,可以用于处理和操作节点和属性3。
条件语句:XPath提供了条件语句(如if-else语句),使得我们可以根据某些条件来选择性地提取元素或属性3。
五、.NET中使用
// XML 文档内容string xmlContent = @" 活着 余华 作家出版社 2012-8-1 191 20.00 平装 余华作品(2012版) 9787506365437 撒哈拉的故事 三毛 哈尔滨出版社 2003-8 217 15.80 平装 三毛全集(华文天下2003版) 9787806398791 明朝那些事儿(1-9) 当年明月 中国海关出版社 2009-4 2682 358.20 精装16开 明朝那些事儿(典藏本) 9787801656087 ";// 创建 XPath 文档using (XmlReader reader = XmlReader.Create(new StringReader(xmlContent))){ XPathDocument xpathDoc = new XPathDocument(reader); // 创建 XPath 导航器 XPathNavigator navigator = xpathDoc.CreateNavigator(); // 使用 XPath 查询(选择所有位于bookstore下、其category属性值为'fiction'的book元素中的title元素) string xpathExpression = "//bookstore/book[@category='fiction']/title"; XPathNodeIterator nodes = navigator.Select(xpathExpression); // 检查是否有匹配的节点 if (nodes != null) { // 遍历结果 while (nodes.MoveNext()) { // 检查当前节点是否为空 if (nodes.Current != null) { Console.WriteLine(nodes.Current.Value); } } }}
运行结果
六、XPath在自动化测试中的应用
XPath最常用的场景之一就是在自动化测试中用来选择HTML DOM节点。例如,在Selenium自动化测试中,可以使用XPath作为选择web元素的主要方法之一。通过XPath选择器,可以方便地定位页面中的任意元素,进行自动化测试操作。
七、XPath的优势与不足
XPath的优势在于其强大的选择功能,可以通过简单的路径选择语法,选取文档中的任意节点或节点集。此外,XPath还支持超过100个内建函数,可用于字符串处理、数值计算、日期和时间比较等等。这些函数可以大大提高数据处理的效率。
然而,XPath也有其不足之处。首先,XPath对于复杂的文档结构可能会变得非常复杂,导致选择语句难以理解和维护。其次,XPath在处理大量数据时可能会出现性能问题,因为它需要遍历整个文档来查找匹配的节点。因此,在使用XPath时需要注意优化查询语句,提高查询效率。
八、总结
学会XPath,可以轻松抓取网页数据,提高数据获取效率。本文介绍了XPath的定义、基础语法、使用示例、高级用法、.NET中使用举例以及在自动化测试中的应用场景,同时也讨论了XPath的优势与不足。希望本文能够帮助读者更好地理解和掌握XPath的使用方法。
希望以上内容能够帮助你理解和学习XPath。欢迎点赞、关注、收藏,如果你还有其他问题,欢迎评论区交流。
本文来自博客园,作者:GoodTimeGGB,转载请注明原文链接:https://www.cnblogs.com/goodtimeggb/p/17866815.html