学会XPath，轻松抓取网页数据 - 51Testing软件测试论坛

- 元素节点：表示XML或HTML文档中的元素。例如，在HTML文档中，<body>、<div>、等都是元素节点。在XPath中，可以使用元素名称来选择元素节点，例如：//div表示选择所有的<div>元素。
- 属性节点：表示XML或HTML文档中元素的属性。例如，在HTML文档中，元素的class、id、src等属性都是属性节点。在XPath中，可以使用@符号来选择属性节点，例如：//img/@src表示选择所有<img>元素的src属性。
- 文本节点：表示XML或HTML文档中的文本内容。例如，在HTML文档中，标签中的文本内容就是文本节点。在XPath中，可以使用text()函数来选择文本节点，例如：//p/text()表示选择所有元素中的文本内容。
- 命名空间节点：表示XML文档中的命名空间。命名空间是一种避免元素命名冲突的方法。在XPath中，可以使用namespace轴来选择命名空间节点，例如：//namespace::*表示选择所有的命名空间节点。
- 处理指令节点：表示XML文档中的处理指令。处理指令是一种用来给处理器传递指令的机制。在XPath中，可以使用processing-instruction()函数来选择处理指令节点，例如：//processing-instruction('xml-stylesheet')表示选择所有的xml-stylesheet处理指令节点。
- 注释节点：表示XML或HTML文档中的注释。注释是一种用来添加说明和备注的机制。在XPath中，可以使用comment()函数来选择注释节点，例如：//comment()表示选择所有的注释节点。
- 文档节点：表示整个XML或HTML文档。文档节点也被称为根节点。在XPath中，可以使用/符号来选择文档节点，例如：/表示选择整个文档节点。

复制代码

<bookstore>
<book category='fiction'>
<title>活着</title>
<author>余华</author>
<press>作家出版社</press>
<date>2012-8-1</date>
<page>191</page>
<price>20.00</price>
<staple>平装</staple>
<series>余华作品（2012版）</series>
<isbn>9787506365437</isbn>
</book>
<book category='non-fiction'>
<title>撒哈拉的故事</title>
<author>三毛</author>
<press>哈尔滨出版社</press>
<date>2003-8</date>
<page>217</page>
<price>15.80</price>
<staple>平装</staple>
<series>三毛全集（华文天下2003版）</series>
<isbn>9787806398791</isbn>
</book>
<book category='non-fiction'>
<title>明朝那些事儿（1-9）</title>
<author>当年明月</author>
<press>中国海关出版社</press>
<date>2009-4</date>
<page>2682</page>
<price>358.20</price>
<staple>精装16开</staple>
<series>明朝那些事儿（典藏本）</series>
<isbn>9787801656087</isbn>
</book>
</bookstore>

复制代码

// XML 文档内容
string xmlContent = @"
<bookstore>
<book category='fiction'>
<title>活着</title>
<author>余华</author>
<press>作家出版社</press>
<date>2012-8-1</date>
<page>191</page>
<price>20.00</price>
<staple>平装</staple>
<series>余华作品（2012版）</series>
<isbn>9787506365437</isbn>
</book>
<book category='non-fiction'>
<title>撒哈拉的故事</title>
<author>三毛</author>
<press>哈尔滨出版社</press>
<date>2003-8</date>
<page>217</page>
<price>15.80</price>
<staple>平装</staple>
<series>三毛全集（华文天下2003版）</series>
<isbn>9787806398791</isbn>
</book>
<book category='non-fiction'>
<title>明朝那些事儿（1-9）</title>
<author>当年明月</author>
<press>中国海关出版社</press>
<date>2009-4</date>
<page>2682</page>
<price>358.20</price>
<staple>精装16开</staple>
<series>明朝那些事儿（典藏本）</series>
<isbn>9787801656087</isbn>
</book>
</bookstore>";
// 创建 XPath 文档
using (XmlReader reader = XmlReader.Create(new StringReader(xmlContent)))
{
XPathDocument xpathDoc = new XPathDocument(reader);
// 创建 XPath 导航器
XPathNavigator navigator = xpathDoc.CreateNavigator();
// 使用 XPath 查询（选择所有位于bookstore下、其category属性值为'fiction'的book元素中的title元素）
string xpathExpression = "//bookstore/book[@category='fiction']/title";
XPathNodeIterator nodes = navigator.Select(xpathExpression);
// 检查是否有匹配的节点
if (nodes != null)
{
// 遍历结果
while (nodes.MoveNext())
{
// 检查当前节点是否为空
if (nodes.Current != null)
{
Console.WriteLine(nodes.Current.Value);
}
}
}
}

复制代码

通配符	描述	示例
*	匹配任何元素节点	//book/* 选取<book>元素下的任意子元素节点
@*	匹配任何属性节点	//book/@* 选取<book>元素上的任意属性节点，如<book category='fiction'>中的category属性
node()	匹配任何类型的节点	//book/node() 选取<book>元素下的所有类型的子节点，包括元素节点、文本节点、注释节点等

谓语	描述	示例
[position()=n]	选取位于指定位置的节点。n 是节点的位置（从 1 开始计数）	//book[position()=1] 选取第一个<book>元素
[last()=n]	选取位于指定位置的最后一个节点。n 是节点的位置（从 1 开始计数）	//book[last()=1] 选取最后一个<book>元素
[contains(string, substring)]	选取包含指定子字符串的节点。string 是节点的文本内容，substring 是要查找的子字符串	//book[contains(title, 'XML')] 选取标题中包含子字符串'XML'的<book>元素
[starts-with(string, prefix)]	选取以指定前缀开始的节点。string 是节点的文本内容，prefix 是要匹配的前缀字符串	//book[starts-with(title, 'The')] 选取标题以'The'开始的<book>元素
[text()=string]	选取文本内容完全匹配的节点。string 是要匹配的文本内容	//book[text()='Book Title'] 选取文本内容为'Book Title'的<book>元素
[@category='non-fiction']	选取具有指定属性值的节点。category 是属性名称，non-fiction 是要匹配的值	//book[@category='non-fiction'] 选取具有属性category值为'non-fiction'的<book>元素

表达式	描述	示例
nodename	选取此节点的所有子节点	//bookstore/book 选取<bookstore>元素下所有<book>子元素
/	从根节点选取直接子节点	/bookstore 从根节点选取<bookstore>元素
//	从当前节点选取子孙节点	//book 选取所有<book>元素，无论它们在文档中的位置
.	选取当前节点	./title 选取当前节点的<title>子元素
..	选取当前节点的父节点	../price 选取当前节点的父节点的<price>子元素
@	选取属性	//book/@id 选取所有<book>元素的id属性