xpath路徑選擇器定位元素
1. xpath：
使用路徑表達式來定位xml或者html中文檔中選取節點。在 XPath 中，有七種類型的節點：元素、屬性、文本、命名空間、處理指令、注釋以及文檔節點（或稱為根節點）
假設xml文檔為：
<?xml version="1.0" encoding="ISO-8859-1"?>
<bookstore>
<book>
<title lang="en">Harry Potter</title>
<author>J K. Rowling</author>
<year>2005</year>
<price>29.99</price>
</book>
</bookstore>
l 文檔節點：<bookstore>
l 元素節點：<author>J K. Rowling</author>
l 屬性節點：lang="en"
l 文本：2005
l 父節點（Parent）：每個元素以及屬性都有一個父。book 元素是 title、author、year 以及 price 元素的父
l 子節點（Children）：節點可有零個、一個或多個子節點。title、author、year 以及 price 元素都是 book 元素的子
l 同胞（Sibling）：擁有相同的父的節點。title、author、year 以及 price 元素都是同胞
l 先輩（Ancestor）：某節點的父、父的父，等等。title 元素的先輩是 book 元素和 bookstore 元素
l 后代（Descendant）：某個節點的子，子的子，等等。bookstore 的后代是 book、title、author、year 以及 price 元素
2. 基礎語法：
1) 路徑表達式
| 表達式 |
描述 |
| nodename |
選取此節點的所有子節點。 |
| / |
從根節點選取。（可以理解為后面跟的是絕對路徑） |
| // |
從匹配選擇的當前節點選擇文檔中的節點，而不考慮它們的位置。（相對路徑） |
| . |
選取當前節點。 |
| .. |
選取當前節點的父節點。 |
| @ |
選取屬性。后面跟屬性名 |
2) 謂語（Predicates）
放在方括號[]中，相當於篩選條件，用來查找[]中指定的特定節點或者包含某個指定的值的節點。在下面的表格中，列出了帶有謂語的一些路徑表達式，以及表達式的結果：
| 路徑表達式 |
結果 |
| /bookstore/book[1] |
選取屬於 bookstore 子元素的第一個 book 元素。 /表示絕對路徑，所以后面跟的是根節點bookstore，[]內部的數字表示第幾個[]前面的元素，也就是第1個book元素，注意這里的編號是從1開始。 |
| /bookstore/book[last()] |
選取屬於 bookstore 子元素的最后一個 book 元素。 |
| /bookstore/book[last()-1] |
選取屬於 bookstore 子元素的倒數第二個 book 元素。 |
| /bookstore/book[position()<3] |
選取最前面的兩個屬於 bookstore 元素的子元素的 book 元素。 |
| //title[@lang] |
@lang表示lang屬性，//title表示選取所有title元素，這個表達式表示的是選取所有帶 lang 屬性的 title 元素。 |
| //title[@lang='eng'] |
選取所有 title 元素，且元素的lang屬性值為eng |
| /bookstore/book[price>35.00] |
選取 bookstore 元素的所有 book 元素，且其中的 price 元素的值須大於 35.00。 |
| /bookstore/book[price>35.00]/title |
選取 bookstore 元素中的 book 元素的所有 title 元素，且其中的 price 元素的值須大於 35.00。 |
XPath 通配符可用來選取未知的 XML 元素。
| 通配符 |
描述 |
| * |
匹配任何元素節點。 |
| @* |
匹配任何屬性節點。 |
| node() |
匹配任何類型的節點。 |
在下面的表格中，列出了一些路徑表達式，以及這些表達式的結果：
| 路徑表達式 |
結果 |
| /bookstore/* |
選取 bookstore 元素的所有子元素。 |
| //* |
選取文檔中的所有元素。 |
| //title[@*] |
選取所有帶有屬性的 title 元素。 |
3) xpath軸
親屬關系匹配
| 例子 |
結果 |
| /bookstore/child::book |
child表示子節點，child::book就是子節點名為book的節點，整個表達式就是說bookstore節點的所有子節點名字為book的節點 |
| attribute::lang |
attribute表示屬性名，表達式為選取當前節點的 lang 屬性。 |
| child::* |
選取當前節點的所有子元素。 |
| attribute::* |
選取當前節點的所有屬性。 |
| child::text() |
選取當前節點的所有文本子節點。 |
| child::node() |
選取當前節點的所有子節點。 |
| descendant::book |
選取當前節點的所有 book 后代。 |
| ancestor::book |
選擇當前節點的所有 book 先輩。 |
| ancestor-or-self::book |
選取當前節點的所有 book 先輩以及當前節點（如果此節點是 book 節點） |
| child::*/child::price |
選取當前節點的所有 price 孫節點。 |
| parent::* |
找到父級元素 |
| following::* |
選取文檔中當前節點的結束標簽之后的所有節點 |
| preceding::* |
選取文檔中當前節點的開始標簽之前的所有節點。 |
| preceding-sibling::* |
選取當前節點之前的所有同級節點 |
| following-sibling::* |
選取當前節點之后的所有同級節點 |
| descendant::* |
選取當前節點的所有后代元素（子、孫等） |
例如有一段html的內容如下
<div>
<span>text</span>
<input id = ‘123’>
</div>
此時如果想要獲取第二個span標簽，可以這樣寫：
//input[@id='123']/preceding-sibling::span
input標簽比較好找，先找到input標簽，然后找它的兄弟節點。preceding-sibling表示找前面的元素的同級元素，后面的::span表示找的是span標簽。
4) Xpath運算符
在下面的表格中，我們列出了一些路徑表達式，以及這些表達式的結果：
| 路徑表達式 |
結果 |
| //book/title | //book/price |
選取 book 元素的所有 title 和 price 元素。 |
| //title | //price |
選取文檔中的所有 title 和 price 元素。 |
| /bookstore/book/title | //price |
選取屬於 bookstore 元素的 book 元素的所有 title 元素，以及文檔中所有的 price 元素。 |
5) xpath常用函數
| 實例 |
返回值 |
| last() |
返回當前上下文中的最后一個節點的位置號碼數 |
| position() |
返回當前節點的位置的數字，位於第多少個 |
//book[position()=2]等價於//book[2]
例子：
| 路徑表達式 |
結果 |
| //div[last()] |
最后一個div |
| //div[last()-1] |
倒數第二個div |
| //div[position()<3] |
前兩個div |
| //div[@id='id3']//p[last()] |
第三個div中最后一個p標簽對象 |
| //div[@href='http://www.baidu.com'] |
選取連接為http://www.baidu.com的屬性 |
| //*[@id='id3']//p[contain(.,'20')] |
在第3個div中找包含20的文本節點 |
| //*[@id='id3']//p[contain(.,'20')]//fowing-sibiling::p |
選取包含字符串20文本節點的下一個節點的p節點 |
3. 補充幾個常用方法
3.1 contains
包含，比如//div[contains(@class,'xx')]
查找div元素，元素的class屬性值包含xx
3.2 starts-with
以某某開頭，例如
//input[starts-with(@class,'xx')]
查找input元素，元素的class屬性值以xx開頭
3.3 ends-with
以某某結尾，例如：
//input[starts-with(@class,'xx')]
查找input元素，元素的class屬性值以xx結尾
3.4 not
否定的意思，比如：
input[not（id='123'）]
查找id值不是123的input元素。
//span[not(contains(text(),'123'))]
查找一個文本內容不包含123的span標簽。
3.5 *通配符
*表示通配符，比如：//span[@*='123']
span標簽的任何屬性為123的元素
4. 定位原則
以百度首頁為例
1) 用id定位，比如//input[@id="su"]
2) 用元素文本 比如//input[@value="百度一下"]
3) 用元素的唯一屬性,找到這個元素的唯一屬性，寫法同上
4) 用元素的多個屬性組合，比如//*[@id="kw" and @name ="wd"]
5) contains模糊匹配，比如//div[@id="u"]/a[contains(.,"錄")]。或者可以寫//div[@id="u"]/a[contains(@href,"passport")]
6) 找到已查找的元素，然后基於此元素的相對位置定位，比如先找到一個div，再通過找到的這個div找他的父親或者兄弟，子女。//div[@id="u"]/child::node()，先找到一個id屬性為u的div，再找到這個div的所有孩子節點，后面跟[1]，就是這些孩子節點的第一個節點。