XPath函数通过字符串处理、节点筛选和逻辑判断等功能，显著提升路径表达式的灵活性与精准度。典型函数如contains()和starts-with()用于模糊匹配属性值，应对动态class或href；normalize-space()清理文本中的冗余空白，提升数据质量；count()和position()支持列表项的定量分析与索引定位；结合text()、substring-before()、translate()等可精准提取复杂文本中的目标信息，如价格、库存数字；在多语言场景中，通过关键词判断语言类型；面对不规则结构时，利用following-sibling、name()、local-name()实现相对定位与泛化选择，增强选择器的鲁棒性。
XPath函数，说白了，就是你在构建路径表达式时，用来给筛选节点、处理数据加点“魔法”的工具。它能让你在原本只能按层级、按属性找节点的基础上，进行字符串操作、数值计算、布尔逻辑判断，甚至对节点集进行更复杂的处理。在我看来，掌握这些函数，是把XPath从“能用”提升到“好用”的关键一步，尤其是在面对那些结构不那么规整，或者你需要从文本里抠出特定信息的时候。
解决方案
使用XPath函数，你通常会把它们嵌入到你的路径表达式中，无论是作为谓词（
[]
里的条件），还是作为最终选择器的一部分。基本语法是
函数名(参数)
。参数可以是节点集、字符串、数字或布尔值，具体取决于函数的需求。
我们可以大致把XPath函数分为几类，每类都有其独特的应用场景：
节点集函数 (Node Set Functions): 这类函数主要用于处理或获取节点集的信息。
count(node-set)
: 返回节点集中的节点数量。
count(//li)
会统计页面上所有
元素的数量。
position()
: 返回当前节点在节点集中的位置（从1开始）。
//div[position() = 2]
会选择第二个
元素。
last()
: 返回节点集中的最后一个节点的位置。
//p[position() = last()]
会选择最后一个
元素。
id(string)
: 根据ID属性值选择元素。
id('main-content')
会选择ID为
main-content
的元素。
字符串函数 (String Functions): 用于处理节点或属性的文本内容。
string(object)
: 将任何类型的数据转换为字符串。
string(//h1)
会获取第一个
元素的文本内容。
concat(string1, string2, ...)
: 连接多个字符串。
concat('Hello', ' ', 'World')
结果是 “Hello World”。
contains(string1, string2)
: 检查
string1
是否包含
string2
。
//a[contains(@href, 'product')]
选择所有
href
属性包含 “product” 的链接。
starts-with(string1, string2)
: 检查
string1
是否以
string2
开头。
//div[starts-with(@class, 'item-')]
选择所有
class
属性以 “item-” 开头的
。
substring(string, start, length)
: 提取字符串的子串。
substring('HelloWorld', 6, 5)
结果是 “World”。
string-length(string)
: 返回字符串的长度。
//p[string-length(text()) > 50]
选择文本内容长度超过50的
。
normalize-space(string)
: 移除字符串开头和结尾的空格，并将内部连续的空格替换为单个空格。
normalize-space(//div[@class='description']/text())
。
布尔函数 (Boolean Functions): 返回
true
或
false
，常用于谓词中。
not(boolean)
: 对布尔值取反。
//a[not(@target='_blank')]
选择所有
target
属性不为 “_blank” 的链接。
true()
/
false()
: 返回字面布尔值。
数值函数 (Number Functions): 用于执行数学计算。
number(object)
: 将对象转换为数字。
sum(node-set)
: 计算节点集中所有节点的数值之和。
floor(number)
: 向下取整。
ceiling(number)
: 向上取整。
round(number)
: 四舍五入。
这些函数可以单独使用，也可以嵌套使用，形成非常强大的表达式。比如，你想找一个
class
包含 “card” 并且文本内容里有 “优惠” 字样的
div
，你可以这样写：
//div[contains(@class, 'card') and contains(text(), '优惠')]
。这里的
and
也是一个逻辑运算符，它允许你组合多个条件。
常用XPath函数有哪些，它们各自的典型应用场景是什么？
在我日常的网页抓取和XML处理工作中，有那么几个XPath函数是我的“常客”，用得频率非常高，它们各自解决的问题也挺典型的。
首先是
contains()
和
starts-with()
，这两个简直是处理动态或模糊属性值的利器。很多网站的
class
或
id
属性会带有一些随机字符串，比如
item-12345
或
product-card-abc
。如果你只知道
item-
或
product-card-
这部分固定前缀，
starts-with(@class, 'item-')
就能帮你精准定位。而如果关键词可能出现在属性值的任何位置，比如
href
属性里包含
category=electronics
，那
contains(@href, 'category=electronics')
就派上用场了。我个人觉得，这两个函数极大地增强了XPath的鲁棒性，让它在面对前端框架生成的复杂HTML时也能游刃有余。
接着是
normalize-space()
。哦，这个函数，简直是文本清洗的救星！网页上的文本内容，特别是那些从数据库里拉出来或者用户输入的内容，经常会带着多余的空格、换行符、制表符。直接获取会很脏，影响后续的数据处理。
normalize-space(text())
可以把这些乱七八糟的空白字符清理得干干净净，只保留一个有意义的、规范化的字符串。我很多时候会直接在提取文本时就加上它，省去了后面用Python或JavaScript再做一次清洗的麻烦。
count()
和
position()
也很常用，尤其是在你需要处理列表或者重复结构时。比如，你可能想确认某个列表有多少项，或者只想选择列表中的前几项、中间某一项。
count(//ul/li)
告诉我列表项的总数，而
//ul/li[position() < 3]
就能选出前两项。有时候，网站的结构并不提供直接的索引，但你可以通过
position()
来模拟，比如找到某个特定元素后的第三个兄弟节点。
最后，不得不提
text()
。虽然它不是一个函数，但经常和函数一起使用。
//div[@class='price']/text()
就能直接抓取到价格文本。但如果文本分散在多个子节点中，或者夹杂着其他标签，你可能需要
string(.)
或者
normalize-space(.)
来获取所有子孙文本的拼接结果，这在提取段落内容时特别有效。
在实际抓取数据时，如何利用XPath函数处理复杂的文本和属性值？
在实际的数据抓取中，复杂的文本和属性值是常态，而不是例外。XPath函数在这里能发挥出巨大的作用，让你的选择器变得更加智能和灵活。
举个例子，假设你要从一个商品详情页抓取价格。价格信息可能不是一个简单的数字，它可能是“¥ 129.99起”或者“原价: 200.00，现价: 150.00”。如果你的目标是提取“129.99”，你可以先用
normalize-space()
清理文本，然后结合
substring-before()
或
substring-after()
甚至
translate()
来“切割”字符串。比如，
substring-before(normalize-space(//div[@class='price']/text()), '起')
就能帮你拿到“¥ 129.99”。如果连货币符号也想去掉，你可能需要更进一步，比如
translate(substring-before(normalize-space(//div[@class='price']/text()), '起'), '¥', '')
。
再比如，处理属性值。很多网站的图片URL可能藏在
data-src
属性里，或者一个元素的
class
属性包含多个值，如
class="product-item large active"
。如果你只想选择
active
的商品项，你可以用
//div[contains(@class, 'active')]
。但如果
active
只是其中一个状态，你可能还需要结合其他条件，比如
//div[contains(@class, 'product-item') and contains(@class, 'active')]
。
有时候，链接的
href
属性可能是一个相对路径，或者包含一些你不需要的查询参数。虽然XPath函数不能直接修改URL，但你可以用
starts-with()
筛选出你感兴趣的特定路径，或者用
substring-before()
截取URL的固定部分，比如
substring-before(@href, '?')
来去除问号后的所有参数，当然这只是一个初步的筛选，更精细的URL处理通常在抓取后进行。
我还遇到过一种情况，需要从一个混杂了文字和数字的字符串中提取纯数字。比如“库存：123件”。这时候，
translate()
函数就显得特别强大。你可以通过
translate(., '库存：件', '')
将这些非数字字符替换为空，从而只留下数字部分。然后，如果你想把它当作数字来计算，可以用
number(translate(., '库存：件', ''))
。这种组合使用，确实能解决不少让人头疼的提取问题。
XPath函数在处理多语言内容或不规则HTML结构时有哪些高级用法？
处理多语言内容和不规则HTML结构，是XPath函数真正展现其“高级”之处的场景。这不仅仅是找到元素，更是要以一种灵活且健壮的方式去适应变化。
对于多语言内容，虽然XPath 1.0中没有直接的语言检测函数（XPath 2.0+有
lang()
），但我们依然可以通过结合文本内容判断来间接处理。比如，如果你要抓取一个新闻网站的标题，而这个网站有中文和英文版，但HTML结构可能只有微小差异，甚至完全一样，只是内容不同。你可以通过检查标题文本中是否包含特定语言的关键词来筛选：
//h2[contains(text(), '新闻') or contains(text(), '最新')]
针对中文，
//h2[contains(text(), 'News') or contains(text(), 'Latest')]
针对英文。这虽然有点笨拙，但在没有
lang
属性或者其他明确语言标识时，是一个实用的方法。更进一步，如果你知道不同语言的特定日期格式或数字格式，也可以利用
matches()
(XPath 2.0+) 或
translate()
结合
string-length()
来进行模式匹配和筛选。比如，检查文本是否符合某种日期格式的正则表达式。
至于不规则HTML结构，这才是XPath函数大显身手的地方。网页开发者并不总是按照W3C标准来写HTML，或者为了快速迭代，结构会变得非常“自由”。
following-sibling::*
或
preceding-sibling::*
结合
position()
就非常有用了。
//h2[text()='产品详情']/following-sibling::p[position()=1]
就能找到标题“产品详情”后的第一个段落。这比硬编码一个绝对路径要灵活得多。
结合
name()
或
local-name()
：** 有时候，你不知道具体的标签名是什么，或者标签名可能会变（比如从
div
变成
section`），但你知道它一定是某个标题标签（h1-h6）或某个列表项。
//*[starts-with(name(), 'h')]
可以选择所有
h1
到
h6
的标题。这在处理语义化不那么严格的页面时，能帮你抓取所有层级的标题。
local-name()
函数就显得尤为重要，它会忽略命名空间前缀，只关注标签的本地名称。
//p[string-length(normalize-space(text())) > 0]
可以筛选出所有非空的
标签。这在过滤掉那些视觉上不可见但HTML里存在的空标签时非常有效。
id()
函数的妙用：
即使id
属性不在你当前路径的直接父级，你也可以通过
id('some-id')
直接跳到那个元素，然后从那里开始你的相对路径。这在处理大型、复杂且有明确ID标识的页面时，能提供一个快速的“锚点”。
总而言之，面对复杂和不规则的结构，XPath函数提供了一种“以不变应万变”的策略。它们允许你根据元素的行为、内容或相对位置来定位，而不是仅仅依赖于其静态的层级和标签名。这需要一些经验和对HTML结构的洞察，但一旦掌握，你的XPath技能会提升一个档次。
以上就是XPath函数如何使用？的详细内容，更多请关注php中文网其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/1430856.html
微信扫一扫
支付宝扫一扫
关于作者
相关推荐
-
Uniapp 中如何不拉伸不裁剪地展示图片？
灵活展示图片：如何不拉伸不裁剪 在界面设计中，常常需要以原尺寸展示用户上传的图片。本文将介绍一种在 uniapp 框架中实现该功能的简单方法。 对于不同尺寸的图片，可以采用以下处理方式： 极端宽高比：撑满屏幕宽度或高度，再等比缩放居中。非极端宽高比：居中显示，若能撑满则撑满。 然而，如果需要不拉伸不…
-
如何让小说网站控制台显示乱码，同时网页内容正常显示？
如何在不影响用户界面的情况下实现控制台乱码？ 当在小说网站上下载小说时，大家可能会遇到一个问题：网站上的文本在网页内正常显示，但是在控制台中却是乱码。如何实现此类操作，从而在不影响用户界面（UI）的情况下保持控制台乱码呢？ 答案在于使用自定义字体。网站可以通过在服务器端配置自定义字体，并通过在客户端…
-
如何在地图上轻松创建气泡信息框？
地图上气泡信息框的巧妙生成 地图上气泡信息框是一种常用的交互功能，它简便易用，能够为用户提供额外信息。本文将探讨如何借助地图库的功能轻松创建这一功能。 利用地图库的原生功能 大多数地图库，如高德地图，都提供了现成的信息窗体和右键菜单功能。这些功能可以通过以下途径实现： 高德地图 JS API 参考文…
-
如何使用 scroll-behavior 属性实现元素scrollLeft变化时的平滑动画？
如何实现元素scrollleft变化时的平滑动画效果？ 在许多网页应用中，滚动容器的水平滚动条（scrollleft）需要频繁使用。为了让滚动动作更加自然，你希望给scrollleft的变化添加动画效果。 解决方案：scroll-behavior 属性 要实现scrollleft变化时的平滑动画效果…
-
如何为滚动元素添加平滑过渡，使滚动条滑动时更自然流畅？
给滚动元素平滑过渡 如何在滚动条属性（scrollleft）发生改变时为元素添加平滑的过渡效果？ 解决方案：scroll-behavior 属性 为滚动容器设置 scroll-behavior 属性可以实现平滑滚动。 html 代码： click the button to slide right!…
-
如何选择元素个数不固定的指定类名子元素？
灵活选择元素个数不固定的指定类名子元素 在网页布局中，有时需要选择特定类名的子元素，但这些元素的数量并不固定。例如，下面这段 html 代码中，activebar 和 item 元素的数量均不固定： *n *n 如果需要选择第一个 item元素，可以使用 css 选择器 :nth-child()。该…
-
使用 SVG 如何实现自定义宽度、间距和半径的虚线边框？
使用 svg 实现自定义虚线边框 如何实现一个具有自定义宽度、间距和半径的虚线边框是一个常见的前端开发问题。传统的解决方案通常涉及使用 border-image 引入切片图片，但是这种方法存在引入外部资源、性能低下的缺点。 为了避免上述问题，可以使用 svg（可缩放矢量图形）来创建纯代码实现。一种方…
-
如何解决本地图片在使用 mask JS 库时出现的跨域错误？
如何跨越localhost使用本地图片？ 问题: 在本地使用mask js库时，引入本地图片会报跨域错误。 解决方案: 要解决此问题，需要使用本地服务器启动文件，以http或https协议访问图片，而不是使用file://协议。例如： python -m http.server 8000 然后，可以…
-
如何让“元素跟随文本高度，而不是撑高父容器？
如何让 元素跟随文本高度，而不是撑高父容器 在页面布局中，经常遇到父容器高度被子元素撑开的问题。在图例所示的案例中，父容器被较高的图片撑开，而文本的高度没有被考虑。本问答将提供纯css解决方案，让图片跟随文本高度，确保父容器的高度不会被图片影响。 解决方法 为了解决这个问题，需要将图片从文档流中脱离…
-
为什么 CSS mask 属性未请求指定图片？
解决 css mask 属性未请求图片的问题 在使用 css mask 属性时，指定了图片地址，但网络面板显示未请求获取该图片，这可能是由于浏览器兼容性问题造成的。 问题 如下代码所示： 立即学习“前端免费学习笔记（深入）”； icon [data-icon=”cloud”] { –icon-cl…
-
如何利用 CSS 选中激活标签并影响相邻元素的样式？
如何利用 css 选中激活标签并影响相邻元素？ 为了实现激活标签影响相邻元素的样式需求，可以通过 :has 选择器来实现。以下是如何具体操作： 对于激活标签相邻后的元素，可以在 css 中使用以下代码进行设置： li:has(+li.active) { border-radius: 0 0 10px…
-
如何模拟Windows 10 设置界面中的鼠标悬浮放大效果？
win10设置界面的鼠标移动显示周边的样式（探照灯效果）的实现方式 在windows设置界面的鼠标悬浮效果中，光标周围会显示一个放大区域。在前端开发中，可以通过多种方式实现类似的效果。 使用css 使用css的transform和box-shadow属性。通过将transform: scale(1.…
-
为什么我的 Safari 自定义样式表在百度页面上失效了？
为什么在 Safari 中自定义样式表未能正常工作？ 在 Safari 的偏好设置中设置自定义样式表后，您对其进行测试却发现效果不同。在您自己的网页中，样式有效，而在百度页面中却失效。 造成这种情况的原因是，第一个访问的项目使用了文件协议，可以访问本地目录中的图片文件。而第二个访问的百度使用了 ht…
-
如何用前端实现 Windows 10 设置界面的鼠标移动探照灯效果？
如何在前端实现 Windows 10 设置界面中的鼠标移动探照灯效果 想要在前端开发中实现 Windows 10 设置界面中类似的鼠标移动探照灯效果，可以通过以下途径： CSS 解决方案 DEMO 1: Windows 10 网格悬停效果：https://codepen.io/tr4553r7/pe…
-
使用CSS mask属性指定图片URL时，为什么浏览器无法加载图片？
css mask属性未能加载图片的解决方法 使用css mask属性指定图片url时，如示例中所示： mask: url(“https://api.iconify.design/mdi:apple-icloud.svg”) center / contain no-repeat; 但是，在网络面板中却…
-
如何用CSS Paint API为网页元素添加时尚的斑马线边框？
为元素添加时尚的斑马线边框 在网页设计中，有时我们需要添加时尚的边框来提升元素的视觉效果。其中，斑马线边框是一种既醒目又别致的设计元素。 实现斜向斑马线边框 要实现斜向斑马线间隔圆环，我们可以使用css paint api。该api提供了强大的功能，可以让我们在元素上绘制复杂的图形。 立即学习“前端…
-
图片如何不撑高父容器？
如何让图片不撑高父容器？ 当父容器包含不同高度的子元素时，父容器的高度通常会被最高元素撑开。如果你希望父容器的高度由文本内容撑开，避免图片对其产生影响，可以通过以下 css 解决方法： 绝对定位元素： .child-image { position: absolute; top: 0; left: …
-
使用 Mask 导入本地图片时，如何解决跨域问题？
跨域疑难：如何解决 mask 引入本地图片产生的跨域问题？ 在使用 mask 导入本地图片时，你可能会遇到令人沮丧的跨域错误。为什么会出现跨域问题呢？让我们深入了解一下： mask 框架假设你以 http(s) 协议加载你的 html 文件，而当使用 file:// 协议打开本地文件时，就会产生跨域…
-
前端代码辅助工具：如何选择最可靠的AI工具？
前端代码辅助工具：可靠性探讨 对于前端工程师来说，在HTML、CSS和JavaScript开发中借助AI工具是司空见惯的事情。然而，并非所有工具都能提供同等的可靠性。 个性化需求 关于哪个AI工具最可靠，这个问题没有一刀切的答案。每个人的使用习惯和项目需求各不相同。以下是一些影响选择的重要因素： 立…
