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
-
XQuery如何更新XML？
XQuery Update Facility（XQUF）是XQuery的扩展，提供insert、delete、replace、rename等操作，使其具备修改XML数据的能力，而标准XQuery仅支持查询与构造，不具备更新功能。 XQuery本身并非为修改而生，它更像一把精密的尺子，用来丈量和筛选信…
-
XML处理性能如何优化？
答案：优化XML处理性能需根据场景选择解析器，流式解析适合大文件以降低内存占用，避免DOM导致的内存溢出；通过优化XPath和XSLT、合理管理内存与GC、权衡Schema验证开销，并结合预处理与后处理策略提升整体效率。 优化XML处理性能，核心在于理解XML的特性，并根据实际应用场景选择最适合的解…
-
XML与JSON如何选择？
JSON更适合现代Web服务和API，因其轻量、易解析且与JavaScript无缝集成；XML则在企业级应用、复杂文档结构和严格模式验证场景中更具优势。选择应基于数据复杂度、传输效率、验证需求及团队技术栈综合考量。 在选择XML还是JSON时，并没有一个放之四海而皆准的答案，更多时候，它取决于你的具…
-
RSS订阅功能如何实现？
实现RSS订阅需生成符合规范的XML文件，动态更新内容并提供订阅链接。 实现RSS订阅功能，简单来说，就是让用户能够追踪网站内容的更新，而无需频繁访问网站本身。这通常涉及到生成一个符合RSS规范的XML文件，并提供给用户订阅。 解决方案： 选择或构建内容管理系统（CMS）： 如果你已经在使用Word…
-
XSLT变量如何声明使用？
XSLT中变量通过声明，可使用select属性或元素内容赋值，支持XPath复杂计算，变量一旦赋值不可更改，分全局和局部两种作用域，全局变量在下声明并全局可用，局部变量在模板等元素内声明仅限局部使用，引用时用$前缀；参数用于接收外部传入值，具默认值机制，与变量主要区别在于来源和用途。 XSLT中声明…
-
XML特殊字符如何转义？
<blockquote>XML特殊字符转义是将具有语法意义的字符如、&、"、’替换为对应实体，防止解析错误。例如“</blockquote><p><img src=&quo…
-
XSLT如何输出HTML？
<blockquote>XSLT输出HTML需定义xsl:output method="html"，通过模板匹配XML节点生成HTML结构，利用xsl:value-of提取数据，xsl:attribute设置动态属性，并可嵌入link和…
-
XML数据库的优势在哪里？
XML数据库在处理半结构化、异构和层级数据时具有显著优势，其核心在于对动态数据结构的灵活支持、无需预设Schema的存储模式、以及通过XPath/XQuery实现的高效查询与转换能力。它特别适用于内容管理、数据集成、文档存储和配置管理等场景，能够轻松应对数据模型频繁变更的需求，支持多版本数据共存，并…
-
RSS中的CDATA区块有什么用？
&amp;amp;amp;amp;amp;lt;blockquote&amp;amp;amp;amp;amp;gt;答案：CDATA区块用于避免XML解析器将RSS内容中的特殊字符或HTML代码误解析为XML标签，通过将其包裹在中，确保内容被当作纯文本处理，从而保证R…
-
RSS如何适配移动端
答案是选择合适的移动端RSS阅读器并优化内容源。RSS在移动端的适配关键在于使用智能排版的阅读器（如Feedly、Reeder）提升阅读体验，同时内容创作者应提供干净HTML、响应式图片和吸引人的摘要，确保Feed在移动设备上加载快、显示佳，实现双向优化。 RSS适配移动端，核心在于两点：一是内容源…
-
XSLT如何动态生成内容？
XSLT通过模板匹配、条件判断、循环迭代等机制，将XML数据转换为HTML、文本或其他XML格式，实现内容的动态生成。它基于声明式规则，利用xsl:template、xsl:value-of、xsl:for-each、xsl:choose等核心元素，根据输入数据结构动态输出结果。例如，可将产品XML…
-
XML如何与音频视频结合？
XML通过结构化元数据管理、多媒体同步编排（如SMIL）、字幕与辅助功能支持（如TTML）及流媒体分发（如MPEG-DASH的MPD文件），为音视频内容提供描述、组织与控制框架，实现高效管理、无障碍访问与自适应播放，成为现代多媒体生态系统的核心支撑技术。 XML与音频视频的结合，说到底，并不是让XM…
-
如何实现XML数据交换？
答案：实现XML数据交换需定义数据结构、选择解析方式、确保传输安全。首先通过XSD定义数据契约，确保格式统一；其次根据场景选择DOM（小文件）或SAX/StAX（大文件）进行解析与生成；再通过HTTP/HTTPS、SOAP或消息队列传输数据；最后结合Schema验证、TLS加密、数字签名与访问控制保…
-
XPath轴是什么如何用？
XPath轴是用于在XML/HTML文档中多方向导航的工具，它从当前节点出发，支持上下（如parent::、ancestor::）、左右（如preceding-sibling::、following-sibling::）、自身（self::）及属性（attribute::）等关系定位，相比只能自上而…
-
如何合并多个XML文件？
合并多个XML文件需通过编程解析并重组结构，不能简单拼接。Python的xml.etree.ElementTree或lxml库可实现：逐个读取文件，解析为对象，提取所需元素，构建新根节点，将各文件数据追加其下，最后写入新文件。关键步骤包括处理命名空间、避免属性冲突、统一前缀，并可利用iterpars…
-
XSLT如何合并文档？
XSLT合并文档的核心机制是利用document()函数加载外部XML文件，结合XPath选择所需节点，并通过模板匹配、xsl:copy-of或xsl:apply-templates将多文档内容按规则整合到新文档中。 XSLT合并文档的核心机制，说白了，就是利用XSLT强大的选择和转换能力，将多个X…
-
XML处理有哪些常见陷阱？
XML处理的四大核心问题为命名空间混乱、性能瓶颈、XXE安全漏洞和字符编码陷阱。命名空间需显式绑定前缀以避免XPath查询失效；大文件应采用SAX或StAX流式解析以降低内存占用；必须禁用外部实体和DTD以防范XXE和XML Bomb攻击；同时严格处理编码声明与实际一致性，避免解析错误。 XML处理…
-
XML流式解析的优势是什么？
流式解析能高效处理超大XML文件，因它边读边处理，内存占用低。SAX事件驱动、性能高但状态管理复杂；StAX拉模式灵活可控，适合复杂逻辑。挑战包括上下文维护、错误恢复难、验证集成和无随机访问，需用栈管理、索引或混合模式应对。 XML流式解析的优势在于它能够以极低的内存消耗处理任意大小的XML文档，尤…
-
如何在Python中创建XML文档？
使用xml.etree.ElementTree创建XML的核心步骤包括：导入模块、创建根元素、添加子元素与属性、设置文本内容、生成ElementTree对象并写入文件；注意事项有：使用ET.indent()提升可读性、指定encoding="utf-8"和xml_…
-
XML格式美化有哪些工具？
XML美化工具按使用场景分为在线工具、IDE插件、桌面GUI工具和命令行工具，选择应基于文件大小、使用频率、功能需求及团队规范。在线工具如XMLGrid.net适合临时小文件处理；VS Code、IntelliJ IDEA等IDE配合插件可实现高效开发与自动格式化；Notepad++（配XML To…
