Python XPath 和正则表达式的比较

Python XPath 和正则表达式都是用来解析和提取HTML、XML等文本数据中的信息。但是它们之间有几个关键的区别，包括语法、功能、速度和使用场景等。
1. 语法不同
正则表达式使用特定的符号和语法来表示要匹配的模式，例如"^"表示字符串开头，"$"表示字符串结尾，"\d"表示数字等。而XPath使用类似于文件系统路径的语法来定位和提取节点，例如"//div[@class='content']"表示匹配class属性为"content"的div节点，"@href"表示提取节点的href属性值。
2. 功能不同
正则表达式主要用于匹配和替换文本中的模式，例如提取邮件地址、IP地址、手机号等。而XPath主要用于解析和提取XML、HTML等文本数据中的节点和属性信息，例如提取网页标题、图片链接、网页正文等。
3. 速度不同
正则表达式和XPath之间的速度差异可能会因为处理的文本大小而有所不同，但是一般情况下，XPath比正则表达式要快。因为XPath是一种基于DOM的技术，可以直接在文档树上查询节点，而正则表达式是一种字符匹配技术，需要对整个文本进行逐字符匹配。
4. 应用场景不同
如果需要提取单个节点的信息，使用XPath会更方便。例如，我们要从网页中提取文章标题，可以使用以下代码：

import requests
from lxml import etree
url = "https://www.pidancode.com"
res = requests.get(url)
html = res.text
selector = etree.HTML(html)
title = selector.xpath("//title/text()")
print(title[0])

如果要从一段文本中提取多个模式，使用正则表达式可能更好。例如，我们要从文本中提取所有的URL链接，可以使用以下代码：

import re
text = "Visit my website https://www.pidancode.com for more information."
urls = re.findall(r'(https?://\S+)', text)
print(urls)

总之，XPath和正则表达式都是Python中强大的处理文本数据的工具，使用场景有所不同，需要根据具体的需求来选择合适的工具。