//input[@type='text'] # all text inputs //div[@class='main']/* # children of div.main //a/@href # all href attributes ``` ### 合并路径 ``` //book/title | //book/price # union of two paths //h1 | //h2 | //h3 # multiple element types ``` ## 轴 ### 轴方向 | Command | Description | |---------|-------------| | `child::` | 直接子节点（默认轴） | | `parent::` | 直接父节点 | | `ancestor::` | 到根节点的所有祖先 | | `ancestor-or-self::` | 祖先 + 当前节点 | | `descendant::` | 所有后代节点 | | `descendant-or-self::` | 后代 + 当前节点 | | `following::` | 文档中当前节点之后的所有节点 | | `following-sibling::` | 之后的兄弟节点 | | `preceding::` | 文档中当前节点之前的所有节点 | | `preceding-sibling::` | 之前的兄弟节点 | | `self::` | 仅当前节点 | | `attribute::` | 当前节点的属性 | | `namespace::` | 命名空间节点 | ### 轴示例 ``` //div/child::p #

children of

//td/parent::tr # parent of //h2/following-sibling::p #

after

//li/ancestor::ul #
containing
``` ## 谓词 ### 用谓词过滤 ``` //book[1] # first book element //book[last()] # last book element //book[position() < 3] # first two books //book[@lang='en'] # books with lang="en" //book[price > 30] # books with price > 30 ``` ### 谓词模式 | Command | Description | |---------|-------------| | `[n]` | 位置 n 的元素（从 1 开始） | | `[last()]` | 最后一个元素 | | `[last()-1]` | 倒数第二个元素 | | `[@attr]` | 存在某属性 | | `[@attr='val']` | 属性等于某值 | | `[element]` | 存在某子元素 | | `[element='text']` | 子元素包含指定文本 | | `[not(@attr)]` | 不存在某属性 | ### 链式谓词 ``` //div[@class='list']//a[1] # first in div.list //input[@type='text'][@name='q'] # AND condition //book[price>30][@lang='en'] # multiple conditions ``` ## 函数 ### 字符串函数 | Command | Description | |---------|-------------| | `contains(s, sub)` | s 包含 sub 时为真 | | `starts-with(s, pre)` | s 以 pre 开头时为真 | | `string-length(s)` | 字符串长度 | | `normalize-space(s)` | 去除首尾空白并折叠内部空白 | | `concat(a, b, ...)` | 连接字符串 | | `substring(s, pos, len)` | 截取子字符串（从 1 开始） | | `translate(s, from, to)` | 逐字符替换 | ### 数字函数 | Command | Description | |---------|-------------| | `sum(node-set)` | 数值之和 | | `count(node-set)` | 节点数量 | | `floor(n)` | 向下取整 | | `ceiling(n)` | 向上取整 | | `round(n)` | 四舍五入到最近整数 | | `number(val)` | 转换为数字 | ### 函数示例 ``` //div[contains(@class, 'active')] //a[starts-with(@href, 'https')] //p[string-length(text()) > 100] //ul[count(li) > 5] ``` ## 运算符 ### 比较运算符 | Command | Description | |---------|-------------| | `=` | 等于 | | `!=` | 不等于 | | `<` | 小于 | | `<=` | 小于等于 | | `>` | 大于 | | `>=` | 大于等于 | ### 逻辑与算术运算符 | Command | Description | |---------|-------------| | `and` | 逻辑与 | | `or` | 逻辑或 | | `not()` | 逻辑非（函数） | | `+` | 加法 | | `-` | 减法 | | `` | 乘法 | | `div` | 除法 | | `mod` | 取模 | | `\|` | 节点集合并 | ### 运算符示例 ``` //book[price > 20 and price < 50] //item[@type='a' or @type='b'] //span[not(contains(@class, 'hidden'))] ``` ## 节点测试 ### 节点类型 | Command | Description | |---------|-------------| | `node()` | 任意节点（元素、文本、注释、PI） | | `text()` | 仅文本节点 | | `comment()` | 仅注释节点 | | `processing-instruction()` | 处理指令节点 | | `` | 任意元素节点 | | `@` | 任意属性节点 | | `element-name` | 指定名称的元素 | ### 节点测试示例 ``` //p/text() # text content of
//div/comment() # comments inside
//body/node() # all child nodes of //div/ # all element children of
``` ### 布尔函数 | Command | Description | |---------|-------------| | `true()` | 布尔真 | | `false()` | 布尔假 | | `boolean(expr)` | 转换为布尔值 | | `not(expr)` | 取反布尔值 | | `lang(code)` | 节点语言匹配时为真 | ## 缩写 ### 简写 vs 完整写法 | Command | Description | |---------|-------------| | `（无）` | child::（默认轴） | | `@` | attribute:: | | `//` | /descendant-or-self::node()/ | | `.` | self::node() | | `..` | parent::node() | | `[n]` | [position()=n] | ### 缩写示例 ``` # These pairs are equivalent: child::div → div attribute::href → @href /descendant-or-self::node()/p → //p self::node() → . parent::node() → .. ``` ### 常用缩写模式 ``` //div[@id='main'] # div with id="main" //table//td # all in any ../sibling # sibling via parent .//span # span descendants of context ``` ## 常用模式 ### 爬虫 / 测试 ``` //input[@name='username'] # form input by name //button[text()='Submit'] # button by text //div[contains(@class, 'error')] # element by partial class //a[contains(@href, 'login')] # link by partial href ``` ### 条件选择 ``` //div[@class='item'][.//span[@class='price']] //tr[td[1]='Active'] # row where 1st cell = Active //*[contains(text(), 'Warning')] # any element with text ``` ### XPath in Python (lxml) ``` from lxml import html tree = html.fromstring(page_content) links = tree.xpath('//a/@href') titles = tree.xpath('//h2/text()') ``` ### XPath in Selenium ``` driver.find_element(By.XPATH, "//input[@id='search']") driver.find_elements(By.XPATH, "//li[@class='result']") ```