XPath

教程导读

一句话定位：XPath 是在 XML 和 HTML 树里用路径选出节点的查询语言。本教程动手优先：先写出能命中节点的表达式，再补轴、谓词、函数和版本差异，学完能在代码和浏览器里把数据抠出来。

这个教程解决什么问题

你手头有一份书店 XML，或者浏览器里一页商品列表。需求很具体：把所有 book 的书名拿出来；只要 category 是 web 的那几本；价格大于 35 的标题；带命名空间前缀的节点为什么怎么写都是空。很多人先去背「七种节点」「十三种轴」，背完还是写不出第一条能跑的路径。本教程反过来：第一条路径先写出来，空结果再回头查轴和谓词。

XPath 不是独立程序。它嵌在 Python 的 lxml、Java 的 XPath 工厂、浏览器的 document.evaluate、XSLT 的 select、抓取工具的字段规则里。表达式写对了， mandarin 数据就出来；写错了，引擎安静地返回空节点集，不会像 SQL 那样报「列不存在」。所以本教程把「空结果怎么排」当成一等技能。

贯穿全文的样本是同一棵书店树：根元素 bookstore，下面若干 book，每本有 category 属性、title、author、year、price。你在脑子里把这棵树当书架，路径就是编目号。

适合谁读

• 要解析 XML 接口、配置文件或 RSS 的后端与测试工程师
• 写页面抓取、UI 自动化，需要稳定选中元素的人
• 维护 XSLT 样式表或 XQuery 脚本，想把路径部分写扎实的人
• 会一点 CSS 选择器，但碰到属性、文本、命名空间就卡住的人

学完你能做什么

1. 写出绝对路径、相对路径和双斜杠三种选法，并说清各自何时会扫整棵树
2. 用轴从当前节点往上、往下、往旁边走，用谓词按位置、属性、数值过滤
3. 在谓词里调用 count、contains、number、not 等常用函数
4. 给带命名空间的文档绑前缀，而不是对着空结果干瞪眼
5. 在 Python、Java、浏览器里跑同一条表达式，并避开 // 滥用带来的性能坑
6. 判断当前引擎是 1.0 还是 2.0/3.1，避免把 let、箭头运算符写进只支持 1.0 的库

学习路线

第 1 章只做一件事：让表达式命中节点。第 2 章把函数当扳手，塞进谓词里。第 3 章处理真实文档里最常翻车的命名空间，以及 2.0 的变量和类型。第 4 章把同一条路径接到语言和工具上。第 5 章分清 XPath、XQuery、XSLT，以及 1.0 到 3.1 该跟哪套引擎走。

图：五章怎么叠在同一棵树上

贯穿样本与阅读对照

全文反复使用同一棵书店树，避免每节换文档导致「这条路径到底命中谁」对不上号。根元素叫 bookstore，下面是 book，每本带 category 属性，孩子是 title、author、year、price。三本版本用来讲绝对路径、属性过滤和价格比较；四本版本多出 XQuery Kick Start 及其两个作者，用来讲位置谓词和兄弟轴。你不必把样本背下来，但要能指着树说出「第三本的第一个作者」对应哪一步。

和 SQL 的类比只在「都是声明式查询」这一层成立。SQL 面对表和列，写错列名通常会报错；XPath 面对树，写错元素名往往安静返回空节点集。所以本教程把「空了怎么办」写进第 1 章和第 4 章，而不是附录。CSS 选择器在 HTML 上更短，但没有父轴、文本谓词也弱，需要那些能力时才请 XPath 上场——第 4 章会明确分工，避免你把两种选择器揉成一锅。

怎么用这个教程

每节开头都有一条对着书店样本能直接跑的表达式。先在脑子里预测命中哪些节点，再看正文核对。不要跳过第 1 章去抄第 2 章的函数——函数是写在已经选中的节点集上的。读节的时候把表达式抄进你的求值器，改一个谓词看 count 怎么变，比只看表格记得牢。

环境不强制。Python 用 lxml 最省事，它基于 libxml2，XPath 1.0 完整，2.0 只覆盖一部分。浏览器开发者工具也能试简单路径。Java 走工厂类编译再求值。教程里的示例写成纯文本表达式，不写成可点击链接，也不给保存成某某文件的指令；把 XML 片段贴进你正在用的求值器即可。平台会把方括号路径误当成超链接，所以正文一律用代码块包起来。

预计第 1 章最耗时间，后面函数表可以当手册翻。第 3 章命名空间建议动手绑一次前缀，纸上记「前缀只是本地别名，真正匹配的是 URI」。若你明天就要抠一份带默认命名空间的接口响应，读完 1.1 和 3.1 再出门，比按目录从前往后刷完更划算。第 5 章的版本阶梯用来防止你把箭头运算符抄进只能跑 1.0 的库。

开读前先在求值器里贴三本版书店树，跑从根到书名的绝对路径，心里应能报出三本书名。报不出就先别翻函数章。空了就把路径从右往左砍，每砍一步数一次节点，定位卡在哪一层。这十分钟比先背轴名更省后面的返工。四本版留到位置谓词和兄弟轴再用，过早混进样本会让「第几本」对不上号。