下面的文本部分摘抄自：W3school
選取節點
XPath 使用路徑表達式在 XML 文檔中選取節點。節點是通過沿着路徑或者 step 來選取的。
下面列出了最有用的路徑表達式：
| 表達式 | 描述 |
|---|---|
| nodename | 選取此節點的所有子節點。 |
| / | 從根節點選取。 |
| // | 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。 |
| . | 選取當前節點。 |
| .. | 選取當前節點的父節點。 |
| @ | 選取屬性。 |
選取未知節點
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。 |
XPath 軸
軸可定義相對於當前節點的節點集。
| 軸名稱 | 結果 |
|---|---|
| ancestor | 選取當前節點的所有先輩（父、祖父等）。 |
| ancestor-or-self | 選取當前節點的所有先輩（父、祖父等）以及當前節點本身。 |
| attribute | 選取當前節點的所有屬性。 |
| child | 選取當前節點的所有子元素。 |
| descendant | 選取當前節點的所有后代元素（子、孫等）。 |
| descendant-or-self | 選取當前節點的所有后代元素（子、孫等）以及當前節點本身。 |
| following | 選取文檔中當前節點的結束標簽之后的所有節點。 |
| namespace | 選取當前節點的所有命名空間節點。 |
| parent | 選取當前節點的父節點。 |
| 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。 |
| self | 選取當前節點。 |
XPath 運算符
下面列出了可用在 XPath 表達式中的運算符：
| 運算符 | 描述 | 實例 | 返回值 |
|---|---|---|---|
| | | 計算兩個節點集 | //book | //cd | 返回所有擁有 book 和 cd 元素的節點集 |
| + | 加法 | 6 + 4 | 10 |
| - | 減法 | 6 - 4 | 2 |
| * | 乘法 | 6 * 4 | 24 |
| div | 除法 | 8 div 4 | 2 |
| = | 等於 | price=9.80 | 如果 price 是 9.80，則返回 true。如果 price 是 9.90，則返回 false。 |
| != | 不等於 | price!=9.80 | 如果 price 是 9.90，則返回 true。如果 price 是 9.80，則返回 false。 |
| < | 小於 | price<9.80 | 如果 price 是 9.00，則返回 true。如果 price 是 9.90，則返回 false。 |
| <= | 小於或等於 | price<=9.80 | 如果 price 是 9.00，則返回 true。如果 price 是 9.90，則返回 false。 |
| > | 大於 | price>9.80 | 如果 price 是 9.90，則返回 true。如果 price 是 9.80，則返回 false。 |
| >= | 大於或等於 | price>=9.80 | 如果 price 是 9.90，則返回 true。如果 price 是 9.70，則返回 false。 |
| or | 或 | price=9.80 or price=9.70 | 如果 price 是 9.80，則返回 true。如果 price 是 9.50，則返回 false。 |
| and | 與 | price>9.00 and price<9.90 | 如果 price 是 9.80，則返回 true。如果 price 是 8.50，則返回 false。 |
| mod | 計算除法的余數 | 5 mod 2 | 1 |
示例代碼：
# 需要先安裝第三方模塊lxml
import lxml.etree as etree
html = """
<!DOCTYPE html>
<html>
<head lang="en">
<title>xpath測試</title>
<meta http-equiv="Content-Type" content="text/html; charset=utf-8"/>
</head>
<body>
<div id="content">
<ul id="ul">
<li>NO.1</li>
<li>NO.2</li>
<li>NO.3</li>
</ul>
<ul id="ul2">
<li>one</li>
<li>two</li>
</ul>
<div>
<p>第二個標簽</p>
</div>
</div>
<div id="url">
<a href="http:www.58.com" title="58">58</a>
<a href="http:www.csdn.net" title="CSDN">CSDN</a>
<a href="http:www.csdn.net222" title="CSDN">sssss</a>
</div>
</body>
</html>
"""
selector = etree.HTML(html) # element類型
# etree.dump(selector) # 查看element的內容
# html = etree.parse('./hello.html') # 從文件讀取
print('-----------------------------基礎用法---------------------------')
tag1 = selector.xpath('html') # 查找html結點，注意，返回值是列表
print(tag1)
tag1 = selector.xpath('/html') # /：代表從根節點開始查找子節點 html
print(tag1)
tag1 = selector.xpath('/html//li') # // : 代表查找所有后代結點 li
print(tag1)
tag1 = selector.xpath('.') # . :代表當前結點自身
print(tag1)
tag1 = selector.xpath('/html/head') # 查找根節點的 html 子節點的 head 子節點
print(tag1)
tag1 = tag1.xpath('..') # .. 代表父節點
print(tag1)
tag1 = selector.xpath('//@href') # @代表選擇屬性，也就是查找所有后代結點的 href 屬性的內容，返回的是href的值哦
print(tag1)
tag1 = selector.xpath('//@href="http:www.58.com"') # 是否存在 href="http:www.58.com" 的元素，返回True/False
print(tag1)
print('-----------------------------特殊過濾----------------------------')
tag1 = selector.xpath('//a[1]') # [1]代表選擇找到的第一個a標簽，不清除為啥用在屬性上不起作用，譬如：//@href[1]
print(tag1)
tag1 = selector.xpath('//a[last()]') # last() 代表選擇最后一個a標簽
print(tag1)
tag1 = selector.xpath('//a[last()-1]') # 倒數第二個a標簽
print(tag1)
tag1 = selector.xpath('//a[position()<3]') # 選擇前2個a標簽
print(tag1)
tag1 = selector.xpath('//div[@id="content"]') # 選擇擁有屬性id='content'的所有div
print(tag1)
tag1 = selector.xpath('//div[@id]') # 選擇擁有id屬性的div
print(tag1)
tag1 = selector.xpath('//div[@id="url"][a>10]') # 返回的是div。div 的 id="url"，並且此div的子節點 a 的內容要>10
print(tag1)
tag1 = selector.xpath('//@*') # *代表所有，@代表屬性。也就是篩選所有的屬性名
print(tag1)
tag1 = selector.xpath('//*') # 選擇所有的結點。
print(tag1)
tag1 = selector.xpath('//div[@*]') # 選擇擁有任何屬性的div。沒有屬性的div不會被選擇
print(tag1)
print('--------------------------運算符--------------------------')
tag1 = selector.xpath('//head | //body') # | 代表 “或”，選擇head或者body標簽
print(tag1)
tag1 = selector.xpath('6+5') # 6+5
print(tag1)
tag1 = selector.xpath('//a=58') # 是否存在a的內容=58的標簽，返回True或False（a是一個標簽，判斷a標簽的內容是否等於58）
print(tag1)
print('-------------------------Axes（軸）-----------------------')
# child::meta，代表選擇當前結點的所有meta子結點
child = selector.xpath('//head/child::meta[@content]')
# ancestor::*,代表選擇當前結點的所有祖先結點（父，祖父..)
anc = selector.xpath('//div[@id="content"]/ancestor::*')
# ancestor-or-self:祖先和當前結點
anc_self = selector.xpath('//div[@id="content"]/ancestor-or-self::*')
# attribute：當前結點的所有屬性名
attr = selector.xpath('//div[@id="content"]/attribute::*')
# descendant:所有后代結點（子，孫）
desc = selector.xpath('//div[@id="content"]/descendant::*')
# descendant-or-self：所有后代結點（子，孫）和自己
descendant = selector.xpath('//div[@id="content"]/descendant-or-self::*')
# 當前結點后面的所有結點（不管層級，所有結點)
following = selector.xpath('//div[@id="content"]/following::*')
# 命名空間
namespace = selector.xpath('//div[@id="content"]/namespace::*')
# 當前結點的父節點
parent = selector.xpath('//div[@id="content"]/parent::*')
# 當前結點前面的所有結點（不管層級，所有結點)
preceding = selector.xpath('//div[@id="content"]/preceding::*')
# 當前結點前面的所有兄弟結點
preceding_sibling = selector.xpath('//div[@id="content"]/preceding-sibling::*')
# 當前結點自身
self = selector.xpath('//div[@id="content"]/self::*')
print(child,anc,anc_self,attr,desc,descendant,following,namespace,parent,preceding,preceding_sibling,self,sep='\n')
print('-------------------------func---------------------------')
# contains(),篩選href屬性值中包含58的a標簽
tag1 = selector.xpath('//a[contains(@href,"58")]')
print(tag1)
tag1 = selector.xpath('concat("1","6")') # 字符拼接
print(tag1)
tag2 = selector.xpath('//meta[@content]/@content')
tag1 = selector.xpath('starts-with(//meta[@content]/@content,"text")') # 判斷是否以text字符串為起始，True/false
print(tag2,tag1)
print('-------------------------常用方法---------------------------')
# 獲取div標簽下所有的文本（所有的文本，包含它的子孫后代的文本)，但是可能會將換行符作為字符串 \n 顯示出來
con = selector.xpath('//div[@id="url"]//text()')
# 獲取當前標簽的文本，不包含子孫。
con2 = selector.xpath('//div[@id="url"]/text()')
# 通過 .text 獲取element的內容文本
divs = selector.xpath('//div[@id="url"]/*')
for d in divs:
print(d.text,d.tag,d.attrib) # 分別是：標簽的文本，標簽的tag，標簽所有的屬性鍵值對（字典格式)