xpath入门2
2017-08-21 18:07:17 阅读量： 27398
本文用来讲解xpath的入门基础，本教材是xpath入门2，建议大家从入门1教程开始学习Xpath的教程适合对八爪鱼已经有一些基础的用户来学习。
示例地址：
/tutorial?type=0&page=0&tag=%E8%BF%9B%E9%98%B6&version=other
Xpath:是一种路径查询语言，简单的说就是利用一个路径表达式找到我们需要的数据位置。
Html:超文本标记语言，是用来描述网页的一种语言。主要用于控制数据的显示和外观。HTML文档也被称为网页。
Xpath专用于xml中沿着路径查找数据用的，但是八爪鱼采集器内部有一套针对Html的Xpath引擎，使得直接用Xpath就能准确的查找定位网页里面的数据。
例如下图通过火狐的firebug、firepath查看网页源码。查看方法参考“xpath入门1”教程
完整的HTML文件至少包括<HTML>标签、<HEAD>标签、<TITLE>标签和<BODY>标签，并且这些标签都是成对出现的，开头标签为<>，结束标签为</>，在这两个标签之间添加内容。通过这些标签中的相关属性可以设置页面的背景色、背景图像等。
Html标签：
作为开始和结束的标记由尖括号包围的关键词，比如 <html>标签对中的第一个标签是开始标签，第二个标签是结束标签
元素：
HTML的网页内容是由元素组成的,从开始标签到结束标签的所有代码。元素的开始和结束都使用标签作为开始和结束的标记
节点：
所有事物都是节点，整个文档是一个文档节点，每个 HTML 元素是元素节点，HTML元素内的文本是文本节点，每个 HTML 属性是属性节点，注释是注释节点。
Html常见标签：
<a></a> 定义超链接，用于从一张页面链接到另一张页面
<h1></h1> 文本标题标签，最大的标签。从1到6，有6层选择
<p></p> 段落标记标签
<div></div> 可定义文档中的区域或节、可以把文档分割为不同的部分，是一个块级元素
<ul></ul> 创建一个列表
<li></li> 创建列表内容项
<input> 用于搜集用户信息可以是文本字段、复选框、按钮等等
<img></img> 向网页中嵌入一幅图像，从网页中链接图像
<table></table> 创建一个表格
<tr></tr> 表格中的每一行
<th></th> 设置表格头，通常是黑体居中文字
<option></option> 设置每个表单项的内容，选项
可以通过这些常见的标签找到数据的位置，例如//a就代表能匹配到这个网页中所有可以点击的链接。
Html常见属性
属性是用来修饰标签的，放在开始标签里面
class
规定元素的类名，大多数时候用于指定样式表中的类
id
唯一标识一个元素的属性，在html里面必须是唯一的
href
指定超链接目标的url
src
图像文件的url
例如//span[@class='itemWithIcon calendar']通过class这个属性就匹配到了当前页面所有的日期。
Xpath常见写法
text()
文本定位位置
例如//a[text()='下一页 » ']
通过源码中文本“下一页 »”就匹配到了，这个text（）是需要准确匹配源码中的文本的
contains()
用来判断字符串的一部分
contains(text(),'')
contains(@class，'')
这个contains是用来模糊匹配的，可以看到源码中显示的是“下一页 »”，用contains只需要“下一页”3个字就可以了
positon()
表示节点的序号
last()
//div[last()]
首先看到上图中xpath
html/body/div[1]/div[3]/div/div/div[2]/div[1]/div匹配到了网页中的所有教程，但是我们如果只需要里面几项的时候就可以使用position()
如下图：
通过html/body/div[1]/div[3]/div/div/div[2]/div[1]/div[position()=5]，里面的[position()=5]就可以指定是某个具体的教程了。
following-sibling
当前元素的兄弟元素
这个可以参看数字翻页的例子哈
and\or\not
and 并且与关系
or 并且或关系
not 不是
例如下面的html/body/div[1]/div[3]/div/div/div[2]/div[1]/div[2]/div/a[@style and @href]
其中的[@style and @href]就代表找到同时具有这两个style和href属性的a标签
