1.4 谓词：方括号里写筛选

1.4 谓词：方括号里写筛选

本节摘要：谓词写在方括号里，对「当前步已经选中的节点」逐个做真假判断。位置、属性相等、数值比较、存在性、and/or 都是谓词。括号会改变谓词绑在哪一步。字符串比大小和数字比大小不是一回事——样本里 39.95 那本最能说明问题。

阅读收获

阅读完本节，你应当能够：

1. 用 [1]、last()、position() 取节点集里的位置
2. 用 [@category='web'] 和 [author] 做属性与存在性过滤
3. 用 number(price)>35 做数值比较，避开纯字符串比较的坑
4. 解释 (//book)[1] 与 //book[1] 可能不同

一、先切出「贵的那本」

三本书样本里，Learning XML 的 price 是 39.95，另外两本约 30。目标：只要贵的。

/bookstore/book[number(price)>35]/title
​

期望书名：Learning XML。

原文集用 lxml 对比过两条：

• bookstore/book[price>35]：把 price 当字符串比，碰巧 '39.95' 大于 '35' 也能蒙对，换一组价格就翻车
• bookstore/book[number(price)>35]：显式转数字，这是我主张的写法

位置谓词对着四本书样本更清楚：

/bookstore/book[1]           → Everyday Italian 那本
/bookstore/book[last()]      → Learning XML 那本
/bookstore/book[position()<=2] → 前两本
/bookstore/book[3]           → XQuery Kick Start 那本
​

[1] 不是「文档里第一个 book 元素」的全局编号，而是当前这一步产生的节点集里的第 1 个。所以 /bookstore/book/author[1] 是「每一本的第一个 author」。XQuery Kick Start 有两个 author，这条仍只拿 James McGovern；要「整份文档第一个 author」得写成 (//author)[1]。

二、谓词在干什么

引擎对当前步的每个候选节点：把该节点设为上下文，计算括号里的表达式。

• 结果是数字：当它等于 position() 时为真。所以 [last()] 能工作——last() 返回集合大小，与当前位置相等的那一个留下。
• 结果是布尔：真则留。
• 结果是节点集：非空为真。所以 [author] 表示「具有 author 子元素」，三本都有，count 为 3。
• 结果是字符串：非空为真，较少直接这么写。

多个谓词是连续过滤：book[@category='web'][1] 先留 web 类，再取这个子集的第一本——四本书样本里是 XQuery Kick Start，不是整份文档第一本。book[1][@category='web'] 则先取第一本再看它是不是 web，cooking 那本被否掉，空。顺序有意义。

⚠️ 常见坑：HTML 里把 [2] 当「第二个 class」用。谓词位置是节点集位置，不是属性里空格分开的词。class 含某个词，用 contains(concat(' ',@class,' '),' item ') 这类技巧，或把工作交给 CSS。
💡 关键直觉：谓词不负责走路，只负责砍人。人还没走到，谓词砍的是空地。

图：谓词是筛子，不是路

三、比较、括号、空结果排查

相等：XPath 1.0 的 = 会做存在量化。book[author='Per Bothner'] 在多 author 时，任一 author 等于该字符串即真，XQuery Kick Start 能命中。这和「全部 author 都等于」不是一回事。!= 更绕：存在一个不相等就可能为真。多值比较我更倾向 not(author='x') 或把条件写到具体的 author 步上。

数值：始终 number(...)。空 price 转数字是 NaN，任何与 NaN 的比较为假，该书被丢，不会报错。

逻辑：and、or；否定是函数 not()，没有 ! 前缀运算符（那是别的语言）。

括号：(//book)[1] 先得到全部 book 再取第一；//book[1] 绑在 child::book 那一步，含义随 // 展开而变。需要「全集的第 n 个」就加括号。

排查空结果我按这个顺序：上下文是否仍在以为的节点 → 这一步轴对不对（属性写成了 child）→ 谓词是否过严（先去掉谓词看集合多大）→ 是否该 number()。不要一上来改函数。

问题：book[price] 和 book[price>0] 谁更宽？

[price] 只问有没有这个子元素，空标签也算有。[price>0] 要比较字符串值，空字符串转数字失败，通常为假。有标签没内容时，存在性谓词更宽。

问题：能不能在谓词里再写路径？

能。book[title/@lang='en'] 从候选 book 往下探 title 的 lang。谓词里的路径相对当前候选，不是相对文档根。写成 book[/bookstore/...] 会从根另起一条，偶尔有用，多数是误写。

四、位置谓词与过滤谓词不要写反

评审表达式时我先问：方括号里是数字还是条件。数字走位置语义，条件走真假语义。把它们写反的典型是 book[last()-1] 想表达「不要最后一本」——那会留下倒数第二本，不是去掉队尾的集合。去掉队尾应写 book[position()!=last()]。last()-1 是一个数字，当位置用。

and 与 or 的优先级按规范 and 更紧。拿不准就加括号。book[@category='web' or @category='children' and number(price)>35] 很容易读成人话「web 或 children 且贵」，实际绑定不一定按人话。写成 book[(@category='web' or @category='children') and number(price)>35] 才是你想的。谓词里少玩优先级游戏。

存在性谓词 [author] 在 Kick Start 那本仍然为真，因为它有作者，不管有几个。要「恰好两个作者」用 count(author)=2。这是 2.1 的 count 提前借用，允许。要「作者文本包含 Bothner」写 book[author[contains(.,'Bothner')]]：外层筛书，内层筛作者节点。只写 contains(author,'Bothner') 时，1.0 对节点集参数偏心第一个作者，James McGovern 那一段不含 Bothner，书会被丢掉。谓词嵌套是为了把函数的偏心限制在正确的那一层。

空结果排查我实际操作是四刀：去掉所有谓词看 count；count 为 0 则回到轴和上下文；count 很大再一把一把加回谓词；价格条件单独拿出来对单本求 number(price) 看是不是 NaN。不要四刀同时砍，否则不知道哪一刀起作用。

HTML 的 class 属性经常是空格分隔的多词。[@class='item'] 要求整段字面相等，class="item active" 为假。contains 又会误伤 item-old。土法是前后补空格再 contains。这不是谓词理论，是 HTML 现实。能改用 CSS 的 class 选择器就改；必须用 XPath 时把这土法写成固定片段，不要每次现场发明。

五、谓词顺序现场：web 再取第一，对 先取第一再看 web

四本书。book[@category='web'][1] 先留两本 web，再取这支队伍第一本，Kick Start。book[1][@category='web'] 先取 cooking，再问是不是 web，空。同一组方括号，顺序决定有没有结果。数字谓词比位置，last()-1 是倒数第二本，不是「去掉最后一本」；去掉队尾用 position()!=last()。and 加括号。contains(author,'Bothner') 偏心第一作者会丢掉 Kick Start，要 author[contains(.,'Bothner')]。class 多词不要整段相等。空结果四刀：摘谓词、查轴、一把把加回、单独看 number。

练习：把上面两条顺序相反的路径都跑一遍，记下 title。再写「去掉最后一本」的正确谓词，确认留下前三本。给 Kick Start 的第二作者做 contains，确认书能留下。这三项覆盖顺序、位置语义、嵌套谓词限制偏心。HTML class 土法前后补空格，能改 CSS 就改。

六、筛子不负责找路只负责砍人

方括号里是数字就比位置，是条件就比真假，写反会得到倒数第二本而不是去掉队尾。去掉队尾要写位置不等于队长。多个方括号按书写顺序连滤：先留网络类再取第一本，得到的是该类队长；先取第一本再问是不是网络类，烹饪那本被否掉，空。顺序有意义。逻辑组合加括号，不要靠优先级赌人话。多作者时字符串函数偏心第一个作者，要把函数放到作者那一层再往外筛书。分类多词不要整段相等。价格比较先转数字，空价格变成非数，比较全假，书蒸发。空结果四刀：摘掉所有筛选看大小，为零查方向和护照，不为零一把把加回，价格条件单独打印转换结果。存在性只问有没有这个孩子，不管里面有没有字；有标签没内容时存在性更宽。谓词里再写路径，相对的是当前候选书，不是文档根。

用四本书把顺序相反的两条筛选都跑一遍。先留网络类再取一号，书名应是入门那本；先取一号再问是不是网络类，应空。把两行写在纸上对照，顺序课才算过。去掉队尾应写位置不等于队长，写成队长减一留下的是倒数第二本。数字进方括号就是比位置，不是比个数。逻辑组合加括号，人话「网络或儿童且贵」和引擎绑定不一定一样，拿不准就加括号，少玩优先级。
多作者那本第二位才含目标姓氏时，把包含直接打在作者集合上会偏心第一位，书被丢掉。正确是让每一位作者自己做包含，再让书因为存在这样一位作者而留下。这是嵌套筛选限制偏心的典型。分类若是空格隔开的多词，整段相等会拒绝带附加词的；包含又可能误伤词头。能改用另一套选择器就改；必须用路径时前后补空格再包含，写成固定片段，不要每次现场发明。
价格条件单独打印转换结果。空标签变成非数，比较全假，书蒸发却不报错。存在性只问有没有这个孩子，不管里面有没有字，有标签没内容时存在性更宽。筛选里再写路径，相对的是当前候选书，不是文档根，写成从根另起一条多数是误写。空了先把筛子全摘掉看队伍有多大：为零查方向和护照，不为零一把把挂回去。四刀不要同时砍，否则不知道哪一刀起作用。

原文集对价格做过字符串比较和显式转数字两套。字符串比较碰巧能把三十九点九五判成大于三十五，换一组价格或带上货币符号就会翻车。所以贵书筛选的及格写法是转数字，不是赌隐式。位置一、队长、位置小于等于二，这三条在四本夹具上分别对应烹饪、最后一本网络进阶、前两本。第三本入门带两位作者，用来证明作者一号是每一本的第一位作者，不是文档里第一位作者。要文档第一位作者，得先形成全集再取一号，括号会改变筛选绑在哪一步。布尔与和或组合时，烹饪且价格小于三十五，应只留下第一本。存在性作者在三本都有作者时计数为三，要看出它不看内容，得造一本没有作者的书。

把顺序相反的两条筛选都跑一遍记下书名，再写去掉最后一本的正确筛选，确认留下前面几本。给多作者那本的第二位做包含，确认书能留下。这三项覆盖顺序、位置语义、嵌套筛选限制偏心。超文本类别土法前后补空格，能改短选择器就改。价格用转换。空了先摘筛选看大小。存在性不看内容。筛选里再写路径相对当前候选。数字进方括号比位置。队长减一是倒数第二本不是去掉队尾。逻辑组合加括号。四刀不要同时砍。原文对价格做过字符串比较和显式转数字两套，字符串碰巧能过，换一组就会翻车。

动手验收再钉一条容易写反的位置筛：去掉队尾应写成位置不等于队长，写成队长减一会留下倒数第二本，四本夹具上两行书名一眼能对出来。再把「先留网络类再取第一」和「先取第一再问是不是网络类」的书名并排抄下来，前者应是入门那本，后者应空。两行对不上，说明方括号绑错了步，不是样本坏了。

本节速览

• 谓词砍的是当前步的集合：步走错，筛子再细也空
• 数字谓词比的是 position：[last()] 因此成立
• 多谓词按书写顺序连滤：web 再取第一，和先取第一再看 web，结果不同
• 价格用 number：不要赌字符串比较碰巧对
• 括号改变绑定：(//book)[1] 才是全集第一本
• 空结果先摘掉谓词：看未过滤集合，再加回条件

下一章把函数当扳手塞进这些方括号：count、contains、substring、not。路径会选，函数才会修。