1.1 第一条能跑的路径

1.1 第一条能跑的路径

本节摘要：XPath 用斜杠连接步，从文档树里选出节点。绝对路径以单斜杠开头，从根走；相对路径跟着当前上下文走；双斜杠在当前节点的全体后代里搜。先写出三条能命中书店样本的表达式，再谈「步」的内部结构。

学习目标

阅读完本节，你应当能够：

1. 对着书店树写出 /bookstore/book 并说出命中几本
2. 解释相对路径 book/title 依赖上下文节点
3. 用 //title 取出所有书名，并说明它比绝对路径贵在哪
4. 把一条路径拆成「步」，知道默认轴是 child

一、先跑三条，再解释名词

样本始终是这棵树（原文集贯穿的书店文档，含 cooking / children / web 三类）：

<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">Learning XML</title>
    <author>Erik T. Ray</author>
    <year>2003</year>
    <price>39.95</price>
  </book>
</bookstore>
​

把求值上下文放在文档根上，三条表达式的命中如下。

/bookstore/book          → 3 个 book 元素
book/title               → 3 个 title 元素（相对根元素 bookstore）
//title                  → 3 个 title，位置不限
​

我更倾向你把第一条写成绝对路径。绝对路径不依赖「当前点在哪」，排错时少一个变量。相对路径适合已经走进某个 book、只想拿它的 title 的场景。双斜杠适合结构不稳定、你懒得数层级的时候，但会扫整棵后代。

在 Python 的 lxml 里，对根元素求值时，/bookstore/book 与 book 都能拿到三本——因为根元素就是 bookstore。很多人在这里混淆「文档根」和「根元素」：文档节点在根元素之上，绝对路径的第一个斜杠停在文档节点，下一步才是 bookstore。

原文集用 lxml 演示时还写过 /root()。在 lxml 里这条经常不工作，要拿根元素请用 /*。这是引擎差异，不是你记错了语法。

二、路径长什么样

一条路径是若干步用 / 串起来。一步的完整写法是：

轴::节点测试[谓词]
​

省略轴时默认 child。所以 /bookstore/book 实际是 /child::bookstore/child::book。//book 实际是 /descendant-or-self::node()/child::book：先走到自己及所有后代，再取名为 book 的孩子。这也是它贵的原因——中间那一步会铺开大量节点。

把树当成书架：/bookstore/book 是「总馆目录里的每一本」；book/title 是「我已经站在总馆里，看每本书脊上的书名」；//title 是「整栋楼里凡是叫 title 的标签都翻出来」，储藏室里若还有别的 title，也会被扫到。

⚠️ 常见坑：在已经是 bookstore 的根元素上再写 /bookstore/book 没问题；若上下文已经是某本 book，相对路径 book/title 会去找 book 的子 book，结果为空。空结果优先检查上下文，而不是改谓词。
💡 关键直觉：斜杠是「走一步」，双斜杠是「在后代里再走一步」。不是「任意字符串匹配」。

原文集 1.3 还给出过四本书的样本：第三本是 XQuery Kick Start，两位 author（James McGovern 与 Per Bothner），第四本才是 Learning XML。后面讲 book[3]、following-sibling 时我会切到这个四本书版本，避免「只有三本时 last() 和第三本撞车」说不清。

三、动手时怎么接到引擎上

概念上的调用是：把 XML 解析成树，对某个上下文节点求值，拿到节点列表。lxml 大致是 root.xpath("book/title")，返回元素对象列表，再用 .text 取字符串。Java 要先 compile 再 evaluate，并声明想要 NODESET 还是 STRING——同一条 //title/text()，返回类型不同，你拿到的是列表还是拼起来的第一个字符串。

# 概念片段，不是完整脚本
titles = context.xpath("/bookstore/book/title")
# 期望三个元素：Everyday Italian / Harry Potter / Learning XML
​

不要在 Markdown 里把表达式写成可点击链接。平台会把方括号路径当成超链接吃掉。一律放进代码块或反引号。

图：三种走法扫过的范围

问题：为什么 /bookstore/book/title 有结果，/book/title 是空？

因为绝对路径的第一步必须是根元素名。这份样本根元素叫 bookstore 不叫 book。CSS 选择器里 book title 可以不管祖先叫什么；XPath 绝对路径不行。

问题：HTML 能不能用同一套写法？

能，前提是解析器把它建成树。真实 HTML 常缺闭合标签，lxml 的 HTML 解析器会补节点，补完之后路径要按补完的树写，不能按你在源码里看到的缩进猜。HTML 还有默认命名空间问题，第 3 章单独练。

四、把步拆开排错

当你写出 /bookstore/book/title 却得到空，不要整串扔掉重写。从左往右砍：先求 /bookstore 看根元素在不在；再求 /bookstore/book 看孩子在不在；最后才加 title。哪一步 count 变成 0，问题就钉在那一步。这和修水管从总阀往后关是同一思路。相对路径更要先打印当前上下文的标签名——很多库能告诉你现在站在哪个元素上。站在 book 上还写 book/title，等于找书的子书，空得理所当然。

双斜杠的排错方式相反：先承认它会多命中。//title 在书店样本里刚好三本，看起来无害。把样本改成 book 里再嵌一套目录，目录里也有 title，双斜杠会把目录名也捞上来。这时你才会怀念绝对路径的「只走这一枝」。工程上我把双斜杠当警告符：出现在提交的表达式里，评审要问「深度真的未知吗」。

原文集 1.1 把 XPath 比作 SQL。这个比喻有用的一半是「声明式：说要什么，不说怎么遍历」。有害的一半是「写错了会报错」。请把有害的一半丢掉。空节点集是合法结果。宿主语言里对空列表取下标才会爆，那是 Python 的事，不是 XPath 在报错。养成 count 一下的习惯，比依赖异常可靠。

步进阶时会出现 . 和 ..。点是自己，两点是父。从 title 文本节点走两点回到 title 元素，再走两点回到 book。属性节点的父是拥有它的元素，所以从 category 属性走两点回到 book，再取 title，这是合法且常见的走法。不要以为两点只能从元素出发。

HTML 片段上练第一条路径时，解析器可能给表格补 tbody，给你的 div 外包一层。你按「我看见的源码」写绝对路径会空。对策不是改用双斜杠逃避，而是先把解析后的树打印成缩进标签，对着树写。第 4 章会回到这件事，这里只要记住：路径对着树，不对着源文件字符。

五、三条起步路径对着三本书逐条对答案

绝对 /bookstore/book 命中三本。/book 空，根不叫 book。相对 book/title 在上下文是 bookstore 时命中三个 title；上下文若已是某本 book，同一串字去找子书，空。双斜杠 //title 三本都中，书内再嵌目录 title 会多。lxml 对根元素求值时 /bookstore/book 与 book 都能拿到三本，因为根就是 bookstore。文档节点在根元素之上，绝对路径第一斜杠停在文档节点。/root() 在 lxml 不可靠，用 /*。空节点集合法，count 一下。路径不要写成可点击链接。步从左往右砍着排错。点是自己，两点是父。HTML 对着解析后的树写，表格可能有 tbody。

练习：在根上跑三条，记下 count。把上下文改到第一本 book，再跑相对 book/title，确认变 0，改成 title 变 1。加一个嵌套 title，看双斜杠 count 增加而绝对三级链不增加。这三项分别钉绝对根名、相对上下文、双斜杠多命中。原文集 1.1 的 SQL 比喻丢掉「写错会报错」那一半。养成 count 习惯。第 2 章函数挂在已经选中的集合上，这三条不过关不要往后赶。

六、把空集合当成正常答案来练手

路径语言几乎不吼人。名字写错、少写一层、站错地方，它照样给你一个合法的空集合。后面若程序崩溃，那是宿主对空列表取第一个元素时炸的，不是路径引擎在报语法错。所以每写一步先数集合大小：数字和心里的书架一致，再往下加斜杠；数字是零，立刻停，不要再叠筛选条件。在空地上筛沙子，筛得再细还是空。绝对路径第一段必须是根元素的名字，这份样本根是书店不是书，把书当根抄过来第一步就空。相对路径完全看你站在谁身上：站在书店根上能拿到三本书名；已经走进某一本再写同样的字，等于找书的子书。双斜杠授权引擎铺开全体后代，样本小时看不出多捞，书里再嵌目录书名数字就会偏大。评审把它当警告符。和结构化查询语言只借声明式，不借写错会报错。文档节点在根元素帽子上，有的库根函数不可靠。表达式必须放代码块，否则方括号会被平台当成链接吃掉。

你可以做一个小实验：先在总馆根上数书，应当是三或四；再故意把第一段改成书，数应变零。数字从有到无的那一跳，就是根名字写错，不是筛选写错。接着把上下文挪到第一本书上，相对地写书再书名，数应变零；改成只写书名，数应变一。这第二跳证明相对走法跟着站位走。最后在某本书里塞一页也叫书名的目录，双斜杠的书名数会变大，从根到书再到书名的三级链不应当变大。三跳都预测对并且用计数对上，三种走法才算长进肌肉。不要用「我感觉选中了」代替计数，感觉会把碰巧当成掌握。
排错时把长串当成水管，从总阀往后关。先只要根元素，再要根下的书，再要书下的书名。哪一截从有变无，问题就在刚打开的那一截。很多人整串扔掉重写，等于把已经通的前两截也拆了，浪费时间还引入新错。点表示自己，两点表示父，从字走两点回到盒子，再走两点回到书，这是合法回走。属性盖章的父是拥有它的人，从分类章走两点回到书再取书名，同样合法。解析器若给表格补身体，你按源码缩进写的绝对走法会空，对策是打印解析后的树，不是改用整栋楼搜查来逃避。
和结构化查询语言只借「说要什么」这一层。它不会因为列名写错而红字提醒你，它只是给你空。宿主对空列表取第一个才会炸，那是宿主的脾气。养成每一步计数，比依赖异常可靠。正文里的路径必须放进代码块，平台会把方括号当成跳转链接吃掉，读者一点，表达式就从教程里消失。有的库根函数不可靠，取根元素用星号那一招更稳，这是原文集用同一种库时明确踩过的坑，不要当标准语法抄走。

要点速记

• 三条起步表达式：绝对 /bookstore/book、相对 book/title、后代 //title，先跑通再谈理论
• 步的结构：轴、节点测试、谓词；省略轴等于 child
• 双斜杠不是模糊匹配：它展开 descendant-or-self 再取 child
• 空结果先查上下文：相对路径在错误的当前节点上会静默变空
• lxml 的根：/root() 不可靠，用 /* 取根元素
• 别把路径写成超链接：方括号和斜杠在正文里用代码块包起来

下一节我们不急着写更长的路径，而是用已经能跑的表达式，把元素、属性、文本、注释逐个摸一遍。