XPath（XML Path Language）是一种在XML文档中查找信息的语言，虽然它的名字中包含“XML”，但实际上XPath也可以用来处理HTML文档。在Web开发中，经常需要从HTML页面中提取特定的数据，XPath提供了一种高效的方式来完成这个任务。本文将详细介绍XPath的基本概念、语法以及如何使用XPath进行HTML数据的提取与解析。
XPath简介
XPath是一种基于路径的表达式语言，用于在XML和HTML文档中定位信息。它提供了一种简洁的方式来查询文档中的节点和属性。XPath表达式可以用来指定要查询的节点类型（如元素、属性、文本等），以及它们之间的关系。
XPath语法基础
节点选择器
XPath中最基本的操作是选择节点。以下是一些常用的节点选择器：
元素选择器
：使用元素名称选择节点，例如
。
属性选择器
：使用属性名和属性值选择节点，例如
@class=’example’
。
后代选择器
：选择所有后代节点，例如
.*
。
子代选择器
：选择直接子节点，例如
*/div>
。
位置路径
位置路径用于指定节点在文档中的位置。以下是一些常用的位置路径：
轴
：指定节点之间的关系，例如
child::
（子节点）、
parent::
（父节点）。
序号
：指定节点的位置，例如
position()=1
表示第一个节点。
过滤器
：使用布尔表达式来过滤节点，例如
[contains(@class, ‘example’)]
。
布尔表达式
布尔表达式用于在XPath中执行条件判断。以下是一些常用的布尔表达式：
比较运算符
：
< , >
,
<= , >=
,
=
,
!=
。
逻辑运算符
：
and
,
or
,
not
。
使用XPath提取HTML数据
以下是一个简单的例子，演示如何使用XPath从HTML文档中提取数据：
示例页面
子元素下的第一个
。
位置路径
位置路径用于指定节点在文档中的位置。以下是一些常用的位置路径：
轴
：指定节点之间的关系，例如
child::
（子节点）、
parent::
（父节点）。
序号
：指定节点的位置，例如
position()=1
表示第一个节点。
过滤器
：使用布尔表达式来过滤节点，例如
[contains(@class, ‘example’)]
。
布尔表达式
布尔表达式用于在XPath中执行条件判断。以下是一些常用的布尔表达式：
比较运算符
：
< , >
,
<= , >=
,
=
,
!=
。
逻辑运算符
：
and
,
or
,
not
。
使用XPath提取HTML数据
以下是一个简单的例子，演示如何使用XPath从HTML文档中提取数据：
标题
这是一段文本。
假设我们需要提取页面中的标题文本，可以使用以下XPath表达式：
/html/body/div/h1/text()
这个表达式表示选择
元素的
子元素下的第一个
元素中的第一个
元素，并返回其文本内容。