[XPath] XPath 與 lxml （二）XPath 語法

XPath 選取節點時使用的表達式是一種路徑表達式。節點是通過路徑（path）或者步（steps）來選取的。

 

本章使用以下 XML 文檔作為示例。

<?xml version="1.0" encoding="utf8"?>
<bookstore>
    <book>
        <title lang="eng">Harry Potter</title>
        <price>29.99</price>
    </book>
    <book>
        <title lang="eng">Learning XML</title>
        <price>39.95</price>
    </book>
</bookstore>

 

選取節點

以下為基本路徑的表達方式，記住 XPath 的路徑表達式都是基於某個節點之上的，例如最初的當前節點一般是根節點，這與 Linux 下路徑切換原理是一樣的。

 

表達式	描述
nodename	選取已匹配節點下名為 nodename 的子元素節點。
/	如果以 / 開頭，表示從根節點作為選取起點。
//	在已匹配節點后代中選取節點，不考慮目標節點的位置。
.	選取當前節點。
..	選取當前節點的父元素節點。
@	選取屬性。

 

 

 

 

 

 

 

>>> from lxml import etree
>>> xml = """<?xml version="1.0" encoding="utf8"?>
<bookstore>
    <book>
        <title lang="eng">Harry Potter</title>
        <price>29.99</price>
    </book>
    <book>
        <title lang="eng">Learning XML</title>
        <price>39.95</price>
    </book>
</bookstore>"""


# 得到根節點
>>> root = etree.fromstring(xml)　　
>>> print root
<Element bookstore at 0x2c9cc88>

# 選取所有book子元素
>>> root.xpath('book')　　
[<Element book at 0x2d88878>, <Element book at 0x2d888c8>]

# 選取根節點bookstore
>>> root.xpath('/bookstore')　　
[<Element bookstore at 0x2c9cc88>]

# 選取所有book子元素的title子元素
>>> root.xpath('book/title')　　
[<Element title at 0x2d88878>, <Element title at 0x2d888c8>]

# 以根節點為始祖，選取其后代中的title元素
>>> root.xpath('//title')　　　　
[<Element title at 0x2d88878>, <Element title at 0x2d888c8>]

# 以book子元素為始祖，選取后代中的price元素
>>> root.xpath('book//price')　　
[<Element price at 0x2ca20a8>, <Element price at 0x2d88738>]

# 以根節點為始祖，選取其后代中的lang屬性值
>>> root.xpath('//@lang')　　　　
['eng', 'eng']

 

預判（Predicates）

預判是用來查找某個特定的節點或者符合某種條件的節點，預判表達式位於方括號中。

# 選取bookstore的第一個book子元素
>>> root.xpath('/bookstore/book[1]')　　　　　　　　　　
[<Element book at 0x2ca20a8>]

# 選取bookstore的最后一個book子元素
>>> root.xpath('/bookstore/book[last()]')　　　　　　　　
[<Element book at 0x2d88878>]

# 選取bookstore的倒數第二個book子元素
>>> root.xpath('/bookstore/book[last()-1]')　　　　　　
[<Element book at 0x2ca20a8>]

# 選取bookstore的前兩個book子元素
>>> root.xpath('/bookstore/book[position()<3]')　　　　
[<Element book at 0x2ca20a8>, <Element book at 0x2d88878>]

# 以根節點為始祖，選取其后代中含有lang屬性的title元素
>>> root.xpath('//title[@lang]')　　　　　
[<Element title at 0x2d888c8>, <Element title at 0x2d88738>]

# 以根節點為始祖，選取其后代中含有lang屬性並且值為eng的title元素
>>> root.xpath("//title[@lang='eng']")    
[<Element title at 0x2d888c8>, <Element title at 0x2d88738>]

# 選取bookstore子元素book，條件是book的price子元素要大於35
>>> root.xpath("/bookstore/book[price>35.00]")    
[<Element book at 0x2ca20a8>]

# 選取bookstore子元素book的子元素title，條件是book的price子元素要大於35
>>> root.xpath("/bookstore/book[price>35.00]/title") 
[<Element title at 0x2d888c8>]

 

通配符

通配符	描述
*	匹配任何元素。
@*	匹配任何屬性。
node()	匹配任何類型的節點。

 

 

 

 

# 選取 bookstore 所有子元素
>>> root.xpath('/bookstore/*')  
[<Element book at 0x2d888c8>, <Element book at 0x2ca20a8>]

# 選取根節點的所有后代元素
>>> root.xpath('//*')　　
[<Element bookstore at 0x2c9cc88>, <Element book at 0x2d888c8>, <Element title at 0x2d88738>, <Element price at 0x2d88878>, <Element book at 0x2ca20a8>, <Element title at 0x2d88940>, <Element price at 0x2d88a08>]

# 選取根節點的所有具有屬性節點的title元素
>>> root.xpath('//title[@*]')　　
[<Element title at 0x2d88738>, <Element title at 0x2d88940>]

# 選取當前節點下所有節點。'\n    ' 是文本節點。
>>> root.xpath('node()')  
['\n    ', <Element book at 0x2d888c8>, '\n    ', <Element book at 0x2d88878>, '\n']

# 選取根節點所有后代節點，包括元素、屬性、文本。
>>> root.xpath('//node()')  
[<Element bookstore at 0x2c9cc88>, '\n    ', <Element book at 0x2d888c8>, '\n        ', <Element title at 0x2d88738>, 'Harry Potter', '\n        ', <Element price at 0x2d88940>, '29.99', '\n    ', '\n    ', <Element book at 0x2d88878>, '\n        ', <Element title at 0x2ca20a8>, 'Learning XML', '\n        ', <Element price at 0x2d88a08>, '39.95', '\n    ', '\n']

 

或條件選取

使用 "|" 運算符，你可以選取符合“或”條件的若干路徑。

# 選取所有book的title元素或者price元素
>>> root.xpath('//book/title|//book/price')　　
[<Element title at 0x2d88738>, <Element price at 0x2d88940>, <Element title at 0x2ca20a8>, <Element price at 0x2d88a08>]

# 選擇所有title或者price元素
>>> root.xpath('//title|//price')　　
[<Element title at 0x2d88738>, <Element price at 0x2d88940>, <Element title at 0x2ca20a8>, <Element price at 0x2d88a08>]

# 選擇book子元素title或者全部的price元素
>>> root.xpath('/bookstore/book/title|//price')  
[<Element title at 0x2d88738>, <Element price at 0x2d88940>, <Element title at 0x2ca20a8>, <Element price at 0x2d88a08>]