掌握 XPath：高效查找 XML 信息（一）

XPath 是一种强大的语言，用于在 XML 文档中查找和定位信息。它不仅在 XSLT 中扮演着重要角色，还被广泛应用于 XQuery 和 XPointer 等其他 XML 处理技术中。本文将详细介绍 XPath 的基本概念、语法、路径表达式、标准函数、运算符以及在实际开发中的应用。通过本文的学习，你将能够熟练掌握 XPath 的使用方法，提升在 XML 数据处理方面的技能。

在学习之前应该具备的知识

在深入学习 XPath 之前，建议你对以下技术有一定的了解：

• HTML / XHTML：熟悉基本的网页结构和语法。
• XML / XML Namespaces：了解 XML 的基本概念和命名空间的使用。

如果你需要补充这些基础知识，可以在 菜鸟教程 找到相关的教程。

什么是 XPath？

XPath 是一门用于在 XML 文档中查找信息的语言。它的主要特点包括：

• 路径表达式：使用类似于文件系统的路径表达式来定位 XML 文档中的节点。
• 标准函数库：提供超过 100 个内置函数，用于处理字符串、数值、日期和时间等数据。
• XSLT 的核心：XPath 是 XSLT 的主要组成部分，没有 XPath，XSLT 将无法正常工作。
• W3C 标准：XPath 于 1999 年 11 月 16 日成为 W3C 标准，被设计为供 XSLT、XPointer 以及其他 XML 解析软件使用。

XPath 的基本概念

节点

在 XPath 中，XML 文档被视为一个节点树。每个节点都有特定的类型，常见的节点类型包括：

• 元素节点：表示 XML 文档中的元素，如 <book>。
• 属性节点：表示元素的属性，如 lang="en"。
• 文本节点：表示元素中的文本内容，如 Harry Potter。
• 命名空间节点：表示 XML 命名空间。
• 处理指令节点：表示处理指令，如 <?xml-stylesheet type="text/xsl" href="style.xsl"?>。
• 注释节点：表示注释，如 <!-- 这是一个注释 -->。
• 文档节点（根节点）：表示整个 XML 文档的根。

基本值（或称原子值，Atomic value）

基本值是没有父节点或子节点的节点。例如，J K. Rowling 和 "en" 都是基本值。

项目（Item）

项目可以是基本值或节点。在 XPath 中，项目是处理的基本单位。

节点关系

父（Parent）

每个元素和属性节点都有一个父节点。例如，在以下 XML 片段中，book 元素是 title、author、year 和 price 元素的父节点：

<book>

<title>Harry Potter</title>

<author>J K. Rowling</author>

<year>2005</year>

<price>29.99</price>
</book>

子（Children）

元素节点可以有零个、一个或多个子节点。例如，在上述片段中，title、author、year 和 price 元素都是 book 元素的子节点。

同胞（Sibling）

拥有相同父节点的节点称为同胞。例如，在上述片段中，title、author、year 和 price 元素都是同胞节点。

先辈（Ancestor）

先辈节点包括父节点、父的父节点等。例如，在以下 XML 片段中，title 元素的先辈节点是 book 和 bookstore：

<bookstore>

<book>

<title>Harry Potter</title>

<author>J K. Rowling</author>

<year>2005</year>

<price>29.99</price>
    </book>
</bookstore>

后代（Descendant）

后代节点包括子节点、子的子节点等。例如，在上述片段中，bookstore 的后代节点包括 book、title、author、year 和 price。

XPath 的语法

路径表达式

XPath 使用路径表达式来选取 XML 文档中的节点。路径表达式由一系列的步（step）组成，每一步可以包含节点测试、谓语和轴。

常见的路径表达式

• nodename：选取此节点的所有子节点。
• /：从根节点选取（取子节点）。
• //：从匹配选择的当前节点选择文档中的节点，而不考虑它们的位置（取子孙节点）。
• .：选取当前节点。
• ..：选取当前节点的父节点。
• @：选取属性。

示例

假设我们有以下 XML 文档：

<?xml version="1.0" encoding="UTF-8"?>
<bookstore>

<book>
        <title lang="en">Harry Potter</title>

<price>29.99</price>
    </book>

<book>
        <title lang="en">Learning XML</title>

<price>39.95</price>
    </book>
</bookstore>

以下是一些常用的路径表达式及其结果：

• /bookstore：选取所有名为 bookstore 的节点。
• /bookstore/book：选取属于 bookstore 的子元素的所有 book 元素。
• //book：选取所有 book 子元素，而不管它们在文档中的位置。
• /bookstore//book：选取属于 bookstore 元素的后代的所有 book 元素，而不管它们位于 bookstore 之下的什么位置。
• //@lang：选取名为 lang 的所有属性。

谓语（Predicates）

谓语用于在路径表达式中进一步筛选节点。谓语被嵌在方括号中。

示例

• /bookstore/book[1]：选取属于 bookstore 子元素的第一个 book 元素。

• /bookstore/book[last()]：选取属于 bookstore 子元素的最后一个 book 元素。

• /bookstore/book[last()-1]：选取属于 bookstore 子元素的倒数第二个 book 元素。

• /bookstore/book[position()<3]：选取最前面的两个属于 bookstore 元素的子元素的 book 元素。

• //title[@lang]：选取所有带有名为 lang 的属性的 title 元素。

• //title[@lang='en']：选取所有 title 元素，且这些元素拥有值为 en 的 lang 属性。

• /bookstore/book[price>35.00]：选取 bookstore 元素的所有 book 元素，且其中的 price 元素的值须大于 35.00。

• /bookstore/book[price>35.00]//title：选取 bookstore 元素中的 book 元素的所有 title 元素，且其中的 price 元素的值须大于 35.00。

通配符

XPath 通配符用于选取未知的 XML 元素。

常见的通配符

• *：匹配任何元素节点。
• @*：匹配任何属性节点。
• node()：匹配任何类型的节点。

示例

• /bookstore/*：选取 bookstore 元素的所有子元素。
• //*：选取文档中的所有元素。
• //title[@*]：选取所有带有属性的 title 元素。

选取多个路径

通过在路径表达式中使用 | 运算符，可以同时选取多个路径。

示例

• //book/title | //book/price：选取 book 元素的所有 title 和 price 元素。
• //title | //price：选取文档中的所有 title 和 price 元素。
• /bookstore/book/title | //price：选取属于 bookstore 元素的 book 元素的所有 title 元素，以及文档中所有的 price 元素。

XPath 轴（Axes）

轴用于定义相对于当前节点的节点集。

常见的轴

• ancestor：选取当前节点的所有先辈（父、祖父等）。
• ancestor-or-self：选取当前节点的所有先辈（父、祖父等）以及当前节点本身。
• attribute：选取当前节点的所有属性。
• child：选取当前节点的所有子元素。
• descendant：选取当前节点的所有后代元素（子、孙等）。
• descendant-or-self：选取当前节点的所有后代元素（子、孙等）以及当前节点本身。
• following：选取文档中当前节点的结束标签之后的所有节点。
• following-sibling：选取当前节点之后的所有兄弟节点。
• namespace：选取当前节点的所有命名空间节点。
• parent：选取当前节点的父节点。
• preceding：选取文档中当前节点的开始标签之前的所有节点。
• preceding-sibling：选取当前节点之前的所有同级节点。
• self：选取当前节点。

示例

• ancestor::book：选取当前节点的所有 book 先辈。
• descendant::title：选取当前节点的所有 title 后代。

XPath 运算符

XPath 提供了多种运算符，用于在路径表达式中进行计算和比较。

常见的运算符

• |：计算两个节点集。
• +：加法。
• -：减法。
• *：乘法。
• div：除法。
• =：等于。
• !=：不等于。
• <：小于。
• <=：小于或等于。
• >：大于。
• >=：大于或等于。
• or：或。
• and：与。
• mod：计算除法的余数。

示例

• 6 + 4：返回 10。
• 8 div 4：返回 2。
• price=9.80：如果 price 是 9.80，则返回 true；如果 price 是 9.90，则返回 false。
• price>9.80：如果 price 是 9.90，则返回 true；如果 price 是 9.80，则返回 false。
• price=9.80 or price=9.70：如果 price 是 9.80，则返回 true；如果 price 是 9.50，则返回 false。
• 5 mod 2：返回 1。

实际应用示例

假设我们有以下 XML 文档：

<?xml version="1.0" encoding="UTF-8"?>
<bookstore>
    <book category="COOKING">
        <title lang="en">Everyday Italian</title>

<author>Giada De Laurentiis</author>

<year>2005</year>

<price>30.00</price>
    </book>
    <book category="CHILDREN">
        <title lang="en">Harry Potter</title>

<author>J K. Rowling</author>

<year>2005</year>

<price>29.99</price>
    </book>
    <book category="WEB">
        <title lang="en">XQuery Kick Start</title>

<author>James McGovern</author>

<author>Per Bothner</author>

<author>Kurt Cagle</author>

<author>James Linn</author>

<author>Vaidyanathan Nagarajan</author>

<year>2003</year>

<price>49.99</price>
    </book>
    <book category="WEB">
        <title lang="en">Learning XML</title>

<author>Erik T. Ray</author>

<year>2003</year>

<price>39.95</price>
    </book>
</bookstore>

示例 1：选取所有价格大于 35.00 的书籍

/bookstore/book[price>35.00]

示例 2：选取所有类别为 WEB 的书籍

/bookstore/book[@category='WEB']

示例 3：选取所有带有 lang 属性的 title 元素

//title[@lang]

示例 4：选取所有 book 元素的 author 子元素

/bookstore/book/author

总结

通过本文的学习，你已经掌握了 XPath 的基本概念、语法、路径表达式、标准函数、运算符以及在实际开发中的应用。XPath 是一个强大且灵活的工具，能够帮助你在 XML 文档中高效地查找和处理信息。希望本文能为你在 XML 数据处理方面提供有价值的指导。如果你有任何问题或需要进一步的帮助，欢迎在评论区留言。