Python XPath 操作符介绍
XPath 是一种语言，用于在 XML 文件中查找信息。它可以用于选择 XML 文档中的任何元素，包括元素、属性、文本和命名空间。
在 XPath 中，有许多操作符可以用于搜索和筛选 XML 元素。下面介绍一些常用的操作符：
- / （除法符号）
斜杠是 XPath 中最常用的操作符之一。它表示一个元素的直接子元素。例如，如果要查找名为“pidancode.com”的元素，可以使用以下 XPath：
//*[@id="pidancode"]/div/div[2]/h1
这意味着，在 id 为“pidancode”的元素下，找到它的直接子元素 div，再找到这个 div 的子元素 div，最后找到 h1 元素。
- // （双斜杠）
双斜杠类似于斜杠，但与斜杠不同，它会查找 XML 文档中的所有元素，而不仅仅是它们的直接子元素。例如，要查找所有名为“pidancode.com”的元素，可以使用以下 XPath：
//*[@id="pidancode"]//h1
这将返回 pidancode.com 的直接子元素和后代元素中（包括子元素的子元素），所有名为“h1”的元素。
- @ （at 符号）
at 符号用于引用 XML 元素属性。例如，要查找 pidancode.com 的包含“皮蛋编程”文本的 div 元素，可以使用以下 XPath：
//*[@id="pidancode"]/div[@class="header"]/div[contains(text(), "皮蛋编程")]
这将返回 id 为“pidancode”的元素下的所有具有 class 属性等于“header”的 div 元素，其中包含文本“皮蛋编程”。
- | （或操作符）
或操作符用于以逗号分隔的方式列出多个 XPath 查询。例如，要查找 pidancode.com 网站的 h1 和 h2 元素，可以使用以下 XPath：
//*[@id="pidancode"]//h1 | //*[@id="pidancode"]//h2
这将返回 pidancode.com 所有名为 h1 和 h2 的元素。
- [] （谓词）
谓词使用方括号来筛选查询结果。例如，要查找 pidancode.com 中右侧侧边栏中所有链接的标题，可以使用以下 XPath：
//*[@id="pidancode"]//div[@id="secondary"]//a/text()
这个查询会返回所有 a 元素的文本值。现在，如果我们想要筛选出所有链接链接到“.com”网站的链接的标题，可以使用以下 XPath：
//*[@id="pidancode"]//div[@id="secondary"]//a[contains(@href, ".com")]/text()
这里使用了 contains 函数，它指示在 href 属性值中搜索“.com”文本的出现。
以上是常用的 XPath 操作符。为了演示其用法，以下是一个简单的 Python 代码，它使用 lxml 库解析 XML 文档并执行 XPath 查询：
from lxml import etree xml = """ <library> <book> <title>The Hobbit</title> <author>J.R.R. Tolkien</author> <year>1937</year> </book> <book> <title>The Lord of the Rings</title> <author>J.R.R. Tolkien</author> <year>1954</year> </book> </library> """ root = etree.fromstring(xml) # 选择所有书籍的标题 titles = root.xpath("//book/title/text()") print(titles) # 选择所有作者为 J.R.R. Tolkien 的书籍 books = root.xpath("//book[author='J.R.R. Tolkien']") for book in books: title = book.xpath("title/text()")[0] year = book.xpath("year/text()")[0] print(f"{title} ({year})")
输出：
['The Hobbit', 'The Lord of the Rings'] The Hobbit (1937) The Lord of the Rings (1954)
相关文章