XPath，全稱 XML Path Language，即 XML 路徑語言，它是一門在XML文檔中查找信息的語言。XPath最初設(shè)計是用來搜尋XML文檔的，這是因為XML表述了一種樹狀結(jié)構(gòu)，而XPath作為一種小型的查詢語言能夠根據(jù)XML結(jié)構(gòu)樹在樹中尋找節(jié)點。因此，XPATH解析XML文件也是手到擒來。

XPath 的選擇功能十分強大，它提供了非常簡潔明了的路徑選擇表達式，另外它還提供了超過 100 個內(nèi)建函數(shù)用于字符串、數(shù)值、時間的匹配以及節(jié)點、序列的處理等等，幾乎所有我們想要定位的節(jié)點都可以用XPath來選擇。XPath 于 1999 年 11 月 16 日 成為 W3C 標(biāo)準(zhǔn)，它被設(shè)計為供 XSLT、XPointer 以及其他 XML 解析軟件使用，XPath定義了一組語法，能夠從結(jié)構(gòu)樹中篩選出滿足要求的節(jié)點。

我們現(xiàn)用一個實例來感受一下使用 XPath解析 XML文件解析的過程，代碼如下：

import java.util.Iterator;

import java.util.List;

import org.dom4j.Document;

import org.dom4j.DocumentException;

import org.dom4j.Node;

import org.dom4j.io.SAXReader;

public class TestXPath {

public static void main(String[] args) throws DocumentException {

//1 創(chuàng)建SAXReader對象

SAXReader reader = new SAXReader();

//2 讀XML文件

Document doc = reader.read("web/book.xml");

//得到第一個author節(jié)點

Node node = doc.selectSingleNode("//author");

System.out.println("節(jié)點的名稱：" + node.getName() + "\t" + node.getText());

//得到所有author節(jié)點

List<Node> nodeList = doc.selectNodes("//author");

for (Iterator<Node> iBook = nodeList.iterator();iBook.hasNext();) {

Node n = iBook.next();

System.out.println("節(jié)點的名稱：" + n.getName() + "\t" + n.getText());

}

List<Node> nameList = doc.selectNodes("//name");

for (Iterator<Node> iBook = nameList.iterator();iBook.hasNext();) {

Node n = iBook.next();

System.out.println("節(jié)點的名稱：" + n.getName() + "\t" + n.getText());

}

}

}

在這里我們首先導(dǎo)入了 LXML 庫的 etree 模塊，然后聲明了一段 XML文本，調(diào)用 XML 類進行初始化，這樣我們就成功構(gòu)造了一個 XPath 解析對象，在這里注意到XML文本中的最后一個 li 節(jié)點是沒有閉合的，但是 etree 模塊可以對XML文本進行自動修正。

我們一般會用 // 開頭的 XPath 規(guī)則來選取所有符合要求的節(jié)點，以上文的XML文本為例，如果我們要選取所有節(jié)點，可以這樣實現(xiàn)：from lxml import etree

xml= etree.parse('./testxml', etree.XMLParser())

result =xml.xpath('//*')

print(result)

運行結(jié)果：

[<Element xml at 0x10510d9c8>, <Element body at 0x10510da08>, <Element div at 0x10510da48>, <Element ul at 0x10510da88>, <Element li at 0x10510dac8>, <Element a at 0x10510db48>, <Element li at 0x10510db88>, <Element a at 0x10510dbc8>, <Element li at 0x10510dc08>, <Element a at 0x10510db08>, <Element li at 0x10510dc48>, <Element a at 0x10510dc88>, <Element li at 0x10510dcc8>, <Element a at 0x10510dd08>]

我們在這里使用 * 代表匹配所有節(jié)點，也就是整個XML文本中的所有節(jié)點都會被獲取，可以看到返回形式是一個列表，每個元素是 Element 類型，其后跟了節(jié)點的名稱，如 xml、body、div、ul、li、a 等等，所有的節(jié)點都包含在列表中了。當(dāng)然此處匹配也可以指定節(jié)點名稱，如果我們想獲取所有 li 節(jié)點，示例如下：

from lxml import etree

html = etree.parse('./test.html', etree.XMLParser())

result = xml.xpath('//li')

print(result)

print(result[0])

在這里我們要選取所有 li 節(jié)點可以使用 //，然后直接加上節(jié)點的名稱即可，調(diào)用時直接調(diào)用 xpath() 方法即可提取。運行結(jié)果：[<Element li at 0x105849208>, <Element li at 0x105849248>, <Element li at 0x105849288>, <Element li at 0x1058492c8>, <Element li at 0x105849308>]

<Element li at 0x105849208>

在這里我們可以看到提取結(jié)果是一個列表形式，其每一個元素都是一個 Element 對象，如果要取出其中一個對象可以直接用中括號加索引即可取出，如 [0]。

javax.xml.xpath包提供了強大的XPath解析功能，因此我們可以基于它實現(xiàn)XML的解析。XPathParser類中封裝了“javax.xml.xpath.XPath”類的對象。我們已經(jīng)知道XPath對象是XML解析的利器，因此XPathParser類便具有了XML解析的能力。

下面代碼給出了XPathParser類的帶注釋的屬性。// 代表要解析的整個XML文檔

private final Document document;

// 是否開啟驗證

private boolean validation;

// EntityResolver，通過它可以聲明尋找DTD文件的方法，例如通過本地尋找，而不是只能通過網(wǎng)絡(luò)下載DTD文件

private EntityResolver entityResolver;

// MyBatis配置文件中的properties節(jié)點的信息

private Properties variables;

// javax.xml.xpath.XPath工具

private XPath xpath;

有必要說明一下，上述“private Properties variables”屬性存儲的內(nèi)容就是MyBatis配置文件中properties節(jié)點的信息。properties節(jié)點會在解析配置文件的最開始就被解析，然后相關(guān)信息會被放入“private Properties variables”屬性并在解析后續(xù)節(jié)點時發(fā)揮作用。

實際上，你不要以為XPath解析XML文件是專屬，相反同樣適用于解析HTML文件，而且XPath在做爬蟲時對信息的抽取能力也是十分出眾的。想深入學(xué)習(xí)XPath的小伙伴，可以在本站的XML教程中找到XPath的更多知識。