利用XPath高效提取Html中的数据

XPath即为XML路径语言，它是一种用来确定XML（标准通用标记语言的子集）文档中某部分位置的语言。XPath基于XML的树状结构，有不同类型的节点，包括元素节点，属性节点和文本节点，提供在数据结构树中找寻节点的能力。

利用好XPath，能够极高地提升在Html层叠样式中获取数据的效率。俗话说得好，工欲上其事，必先利其器，XPath就是这么一个好工具。

XPath 使用路径表达式在 XML 文档中选取节点，节点是通过沿着路径或者 step 来选取的。

常用路径表达式

以下代码使用php中的xpath()演示：

<?php

$html = <<<HTML

<*div id="aaa">

<*span class="bbb">Fun<*/span>

<*h2>Young<*/h2>

<*p rel="ccc">Club<*/p>

<*/div>

HTML;

//输出Fun

$result = $html -> xpath('//div[@id="aaa"]/span[@class="bbb"]');

echo $result[0][0];

//输出Young

$result = $html -> xpath('//div[@id="aaa"]/h2');

echo $result[0][0];

//输出Club

$result = $html -> xpath('//div[@id="aaa"]/p[@rel="ccc"]');

echo $result[0][0];

常用定位函数

1、contains ()： //div[contains(@id, 'sun')] 表示选择id中包含有"sun"的div节点；

2、text()：由于一个节点的文本值不属于属性，比如<*a class="demo" href="http://www.yellowsun.cn">YellowSun<*/a>，用text()函数来匹配节点：//a[text()='YellowSun']；

3、last()：//div[contains(@id, 'sun')][las()]表示选择id中包含有"sun"的div节点的最后一个节点；

4、starts-with()：//div[starts-with(@id, 'sun')] 表示选择以"sun"开头的id属性的div节点；

5、not()：表示否定，//input[@name='yellowsun'and not(contains(@class,'a'))] 表示匹配出name为"yellowsun"并且class的值中不包含a的input节点。 not()函数通常与返回值为布尔值的函数组合起来用，比如contains()、starts-with()等。一种特别情况请注意，当我们要匹配出span节点含有id属性的，写法如下：//span[@id]，但如果我们要匹配出span节点不含用id属性的，则为：//span[not(@id)]。

不知名站长 / 狮子座 / 食品