XPath 路径表达式

toc

XPath 是一种用于在 XML/HTML 文档中定位节点的语言。Legado 源支持使用 XPath 规则提取网页内容，以 // 开头的规则会自动识别为 XPath 表达式。

注：本文所有代码均通过 Chrome(版本 123.0.6312.86) 验证

1. 轴 (Axes)

XPath 规范定义了 13 种轴，用于定位元素树上相对于当前元素的节点。

轴	说明	缩写
`attribute`	元素的属性	`@`
`self`	元素本身	`.`
`parent`	当前元素的父元素	`..`
`child`	当前元素的子元素	—
`ancestor`	当前元素的所有直属祖先	—
`ancestor-or-self`	当前元素及其所有直属祖先	—
`descendant`	当前元素的所有递归子元素	—
`descendant-or-self`	当前元素及其所有递归子元素	—
`following`	当前元素之后出现的所有元素（无视层级，不含直属后代）	—
`following-sibling`	当前元素之后出现的所有同级元素	—
`preceding`	当前元素之前出现的所有元素（无视层级，不含直属祖先）	—
`preceding-sibling`	当前元素之前出现的所有同级元素	—
`namespace`	不支持	—

语法：轴名::表达式

> $x('//body/ancestor-or-self::*')
< [body, html]

2. 路径格式

XPath 通过"路径表达式"（Path Expression）选取元素，形式上与文件系统路径类似。

概念	说明
`/`	路径内部分隔符
绝对路径	以 `/` 起首，后跟根元素，如 `/step/step/...`
相对路径	除绝对路径外的其他写法，如 `step/step`
`.`	当前元素
`..`	当前元素的父元素

选取语法

符号	说明
`/`	选取根元素
`//`	选取任意位置的某个元素
`nodename`	选取指定名称的元素
`@`	选取某个属性

3. 示例

以下示例基于这段 HTML：

<!DOCTYPE html>
<html>
    <head>
        <meta charset="utf-8" />
        <title>标题</title>
        <meta property="author" content="作者" />
    </head>
    <body>
        <div>
            <title lang="eng">Harry Potter</title>
            <p>29.39</p>
            <p>usd</p>
        </div>
        <div>
            <title lang="cn">Cpp高级编程</title>
            <p>39.95</p>
            <p>rmb</p>
        </div>
        <div id="list">
            <dl>
                <dd><a href="/1">一</a></dd>
                <dd><a href="/2">二</a></dd>
                <dd><a href="/3">三</a></dd>
            </dl>
        </div>
    </body>
</html>

表达式	结果	说明
`$x('/')`	`[document]`	选取根元素
`$x('/html')`	`[html]`	绝对路径选取
`$x('html/head/meta')`	`[meta, meta]`	相对路径选取
`$x('//p')`	`[p, p, p, p]`	选取所有 p 元素
`$x('html/body//a')`	`[a, a, a]`	选取 body 下所有 a
`$x('//@lang')`	`[lang, lang]`	选取属性
`$x('//meta/..')`	`[head]`	选取父元素

4. 谓语条件 (Predicate)

谓语条件是对路径表达式的附加筛选条件，写在方括号 [] 中。

表达式	结果	说明
`html/head/meta[1]`	`<meta charset="utf-8">`	选取第一个
`html/head/meta[last()]`	`<meta property="author" ...>`	选取最后一个
`html/head/meta[last()-1]`	`<meta charset="utf-8">`	选取倒数第二个
`html/head/meta[position()>1]`	`<meta property="author" ...>`	位置大于 1
`//title[@lang]`	两个 title	具有特定属性
`//title[@lang="eng"]`	English title	属性值匹配
`/html/body/div[dl]`	`<div id="list">`	包含特定子元素
`/html/body/div[p>35.00]`	Cpp 高级编程 div	子元素值条件

5. 通配符

符号	说明
`*`	匹配任何元素
`@*`	匹配任何属性名

$x('//*')          // 选取所有元素
$x('/*/*')         // 选取所有第二层元素
$x('//title[@*]')  // 选取所有带属性的 title

6. 多路径选择

用 | 合并多个表达式的选取结果：

$x('//title | //a')  // 选取所有 title 和 a 元素

7. 函数

XPath 函数的参数可以是静态字符串或表达式，函数可嵌套调用。XPath 索引从 1 开始。

函数	说明	示例
`boolean()`	转换为布尔值	`boolean(//title)` → `true`
`number()`	转换为数字	`number(//p[1])` → `29.39`
`round()`	四舍五入	`round(//p[1])` → `29`
`ceiling()`	向上取整	`ceiling(//p[1])` → `30`
`floor()`	向下取整	`floor(//p[1])` → `29`
`concat()`	字符串拼接	`concat("cost:", //p[1], //p[2])` → `'cost:29.39usd'`
`contains()`	判断是否包含	`contains(//p[1], "29.39")` → `true`
`count()`	统计元素个数	`count(//p)` → `4`
`id()`	根据 id 选取	`id("list")` → `[dl#list]`
`last()`	同级元素集合数量	`//p[last()]`
`name()`	返回元素名	`name(//*[@id])` → `'dl'`
`normalize-space()`	去除前后空白	`normalize-space(" test ")` → `'test'`
`not()`	返回布尔反值	`//title[not(@lang)]`
`position()`	返回元素位置	`//meta[position()=2]`
`starts-with()`	检查字符串开头	`//title[starts-with(., "Cpp")]`
`string()`	转换为字符串	`string(//p)` → `'29.39'`
`string-length()`	返回字符串长度	`string-length(string(//p))` → `5`
`substring()`	截取字符串	`substring(string(//p), 1, 3)` → `'29.'`
`substring-after()`	某字符之后的字符串	`substring-after(string(//p), ".")` → `'39'`
`substring-before()`	某字符之前的字符串	`substring-before(string(//p), ".")` → `'29'`
`sum()`	对数字求和	`sum(//p[1])` → `69.34`
`translate()`	依次替换字符	`translate("aabbcc", "ac", "V8")` → `'VVbb88'`

7.8 KiB Raw Blame History Unescape Escape