Xpath做数据解析

xpath是一个路径表达式，

xpath学习

（1）xpath节点

在XPath中，有七种类型的节点：元素，属性，文本，命名空间，处理指令，注释以及文档节点；XML文档是被作为节点树来对待的。树的根被称为文档节点或者根结点

（2）xpath语法

xpath使用路径表达式来选取XML文档中的节点或节点集。节点是通过沿着路径（path）或者步（steps）来获取的。
//表示从匹配选择的当前节点选择文档中的节点，而不考虑它们的位置。例如：

<?xml version="1.0" encoding="UTF-8"?>

<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>

其中，选取节点方式为：

表达式	描述
bookstore	表示选取bookstore元素的所有子节点；
/bookstore	表示选取根元素bookstore；
bookstore/book	表示选取bookstore的子元素的所有book元素；
//book	表示选取所有book子元素，而不管它们在文档中的位置；
bookstore//book	表示选取bookstore元素的后代的所有book元素，而不管它们位于bookstore之下的什么位置；
//@lang	表示选取名为lang的所有元素。

选择谓语方式为：

谓语用来查找某个特定的节点或者包含某个指定的值的节点；谓语被嵌套在方括号中；

路径表达式	结果
/bookstore/book[1]	表示选取属于bookstore子元素的第一个book元素；
/bookstore/book[last()]	表示选取属于bookstore子元素的最后一个book元素；
/bookstore/book[-1]	表示选取bookstore子元素的倒数第二个book元素；
bookstore/book[position()<3]	选取最前面的两个属于bookstore元素的子元素的book元素；
//title[@lang]	表示选取所有拥有名为lang的属性的title元素；
//title[@lang='eng']	表示选取所有拥有属性lang的值为eng的title元素；
bookstore/bookprice>35.00]	表示选取bookstore元素的所有book元素，且其中的price元素的值须大于35.00；
/bookstore/book[price>35.00]/title	表示选取bookstore元素中的book元素的所有title元素，且其中的price元素的值须大于35.00。

选取未知节点：（通配符）

XPath通配符可用来选取位置的XML元素；

通配符	描述
*	匹配任何元素节点；
@*	匹配任何属性节点；
node()	匹配任何类型的节点；

对应的路径表达式可以为：

路径表达式	结果
/bookstore/*	选取文档中的所有元素；
//*	表示文档中的所有元素。
//title[@*]	选取所有带有属性的title元素。

选取若干路径：

通过在路径表达式中使用“|”运算符，您可以选取若干个路径。

|//book/title | //book/price |表示book元素的所有title和price元素；|
|//title | //price |表示文档中的所有title和price元素；|
|bookstore/book/title | //price|表示选取属于bookstore元素的book元素的所有title元素，以及文档中所有的price元素；|

因此：//dd[@data-index = '0']表示选取所有dd子元素，且其属性data-index的值为0；
//div[@class='option-list']表示选取所有div子元素，且其属性class的值为option-list；
/a/text()表示选取属于a元素节点中的所有文本；其中text()表示匹配任何文本类型的节点；

故//dd[@data-index = '0']//div[@class='option-list']/a/text()表示选取所有属性data-index值为0的dd元素下的所有属性class值为option-list的div元素下的a元素的所有文本；

而//dd[@data-index = '0']//div[@class='option-list']/a/@href表示选取所有属性data-index值为0的dd元素下的所有属性class值为option-list的div元素下的a元素的所有属性为href的数据；