XPath的not()函数怎么否定表达式？

not()函数用于反转XPath表达式的布尔结果，常用于筛选不满足特定条件的节点。其基本形式为not(expression)，可否定属性存在、属性值、文本内容或子元素存在性。常见用法包括//div[not(@class)]选择无class属性的div，//a[not(@target='_blank')]排除target为_blank的链接。误区包括混淆not()作用范围，如not(//div[@class='active'])返回布尔值而非节点集，正确写法应为//div[not(@class='active')]。not()可与and、or结合使用，遵循德摩根定律，如//div[not(@id) and not(@class)]等价于//div[not(@id or @class)]。性能上，not()本身开销小，但内部复杂表达式可能影响效率，建议避免全局搜索，优先在谓词内使用以提高效率。

XPath的

not()

解决方案

要否定一个XPath表达式，你只需要将该表达式作为

not()

not(expression)

expression

举几个例子，你就能立刻明白它的威力了：

• 否定一个简单的布尔值：

  not(true())

  结果是

  false

  ，

  not(false())

  结果是

  true

  。这看起来有点傻，但理解其核心逻辑很重要。
• 否定元素的存在性： 比如你想找那些没有

  class

  属性的

  div

  元素，你可以写成

  //div[not(@class)]

  。这里，

  @class

  如果存在，在布尔上下文中就是真，

  not()

  一否定就变假，所以这个

  div

  不会被选中。如果

  @class

  不存在，就是假，

  not()

  一否定就变真，这个

  div

  就会被选中。
• 否定属性值： 如果你想找所有
  标签，但排除掉那些

  target

  属性是

  _blank

  的，你可以用

  //a[not(@target='_blank')]

  。这会选中所有

  target

  属性不等于

  _blank

  的
  ，包括那些根本没有

  target

  属性的
  。
• 否定文本内容： 假设你有一堆

  p

  标签，你想找出那些不包含“重要”这个词的段落，就可以写

  //p[not(contains(text(), '重要'))]

  。
• 否定子元素的存在： 如果你想找那些没有

  span

  子元素的

  div

  ，可以写

  //div[not(./span)]

  。注意这里的

  ./span

  ，它表示当前

  div

  的直接子元素

  span

  。

not()

and

or

not()

not()

[]

• 过滤不符合特定条件的节点：

  • //button[not(@disabled)]

    ：选择所有未被禁用的按钮。

  • //input[not(starts-with(@id, 'temp'))]

    ：选择所有ID不以“temp”开头的输入框。

  • //li[not(./a)]

    ：选择所有没有
    子元素的列表项。

1. 误区一：对空节点集的理解。 当一个XPath表达式的结果是空节点集时，在布尔上下文中它会被转换为

   false

   。非空节点集则转换为

   true

   。
   • 比如

     //div[not(./span)]

     ：如果当前

     div

     下有

     span

     ，

     ./span

     就是非空节点集，转换为

     true

     ，

     not(true)

     就是

     false

     ，这个

     div

     不被选中。如果当前

     div

     下没有

     span

     ，

     ./span

     就是空节点集，转换为

     false

     ，

     not(false)

     就是

     true

     ，这个

     div

     被选中。这符合预期。
   • 但如果你写

     not(//div[@class='active'])

     ，这通常不是你想要的效果。这个表达式会检查整个文档中是否存在任何一个

     class

     为

     active

     的

     div

     。如果存在，整个表达式就是

     false

     。如果一个都没有，整个表达式就是

     true

     。它返回的是一个单一的布尔值，而不是一个节点集。你大概率是想选择那些

     class

     不是

     active

     的

     div

     ，那应该是

     //div[not(@class='active')]

     。

2. 误区二：

   not()

   的位置和作用域。

   not()

   放在谓词内部，是针对当前节点进行判断；放在整个表达式外面，是针对整个表达式的结果进行判断。

   • //div[not(@class='active')]

     ：选择所有

     class

     属性不等于

     active

     的

     div

     。

   • not(//div[@class='active'])

     ：判断文档中是否存在

     class

     为

     active

     的

     div

     ，并返回其相反的布尔值。这是个全局性的判断。

3. 误区三：与

   and

   /

   or

   的结合（德摩根定律）。 有时候我们想否定一个复合条件，比如“既不是A也不是B”。

   • not(conditionA and conditionB)

     等价于

     not(conditionA) or not(conditionB)

     。

   • not(conditionA or conditionB)

     等价于

     not(conditionA) and not(conditionB)

     。 理解这一点能帮助你写出更清晰、更符合逻辑的XPath。例如，你想找既没有

     id

     属性也没有

     class

     属性的

     div

     ：

     //div[not(@id) and not(@class)]

     或者等价的

     //div[not(@id or @class)]

     。我个人更倾向于前者，感觉逻辑更直观一些。

如何利用not()函数选择不包含特定属性或子元素的节点？

这几乎是

not()

GPT Detector

在线检查文本是否由GPT-3或ChatGPT生成

下载

选择不包含特定属性的节点：

• 没有某个特定属性的节点： 如果你想找到页面上所有没有

  id

  属性的

  div

  元素，可以这样写：

  //div[not(@id)]

  这里的

  @id

  如果存在，就会被视为真，

  not()

  一否定就变假，该

  div

  不被选中。如果

  @id

  不存在，就是假，

  not()

  一否定就变真，该

  div

  就被选中。这非常简洁高效。

• 某个属性的值不符合预期： 假设你有一堆链接，但你只想选择那些

  href

  属性不以

  #

  开头的（排除锚点链接）：

  //a[not(starts-with(@href, '#'))]

  或者你想找所有

  img

  标签，但排除掉那些

  alt

  属性为空字符串的（通常意味着图片描述缺失）：

  //img[not(@alt='')]

选择不包含特定子元素的节点：

• 没有某个直接子元素的节点： 你可能想找到所有没有

  子元素的
  ：

  //div[not(./span)]

  这里的

  ./span

  表示查找当前

  div

  的直接子元素

  span

  。如果找到了，

  not()

  就让当前

  div

  不被选中；如果没找到，就选中它。

• 没有某个特定类型的后代元素的节点： 如果你想找到所有

  列表，但排除掉那些内部任何地方（不一定是直接子元素）包含

  class

  为

  selected

  的
  的
  ：

  //ul[not(.//li[@class='selected'])]

  这里的

  .//li

  表示查找当前

  ul

  下的任意层级的

  li

  元素。

• 不包含特定文本内容的节点： 比如你有一堆

  div

  ，你想找到那些内部文本不包含“广告”字样的

  div

  ：

  //div[not(contains(text(), '广告'))]

  或者更精确一点，不包含“免费”或“优惠”：

  //div[not(contains(text(), '免费') or contains(text(), '优惠'))]

这些都是非常实用的场景，

not()

not()函数在复杂XPath表达式中的应用场景与性能考量

在更复杂的XPath表达式里，

not()

复杂应用场景：

1. 组合否定条件： 我们经常需要同时满足多个否定条件。比如，我想找一个

   div

   ，它既没有

   id

   属性，

   class

   也不是

   hidden

   ：

   //div[not(@id) and not(@class='hidden')]

   或者，你也可以利用德摩根定律，写成：

   //div[not(@id or @class='hidden')]

   这两种写法在逻辑上是等价的，具体用哪个，看你个人觉得哪个更清晰。我个人偏好第一个，感觉更直观。

2. 否定函数结果：

   not()

   可以否定其他函数的返回结果。
   • 找那些文本内容不为空的

     p

     标签：

     //p[not(normalize-space(text()) = '')]

     这里

     normalize-space()

     会移除文本前后的空白字符，并将内部连续空白替换为单个空格。

     not()

     再判断结果是否为空。
   • 找那些子元素数量不等于5的

     ul

     ：

     //ul[not(count(./li) = 5)]

     这等价于

     //ul[count(./li) != 5]

     ，但用

     not()

     有时候能让逻辑更统一。

3. 结合位置谓词： 比如，选择一个

   ul

   中，除了第一个

   li

   之外的所有

   li

   ：

   //ul/li[not(position() = 1)]

   这等价于

   //ul/li[position() > 1]

   或

   //ul/li[not(self::li[1])]

   。

性能考量：

说实话，谈性能在XPath层面，很多时候有点“玄学”，因为实际的解析器实现、文档大小、以及你所使用的库或工具的优化程度都会有影响。但总的原则是，让你的表达式越具体越好，减少引擎的遍历范围。

• not()

  本身通常不会成为性能瓶颈。 它只是一个逻辑操作符。真正的性能开销通常来自于它内部的表达式，尤其是当这个表达式需要遍历大量节点或者执行复杂计算时。
• 避免不必要的全局搜索： 如果你写

  not(//div[@class='active'])

  ，XPath引擎可能需要遍历整个文档来确定是否存在这样的

  div

  。如果你的目标是过滤一个已知的节点集，把

  not()

  放在谓词里通常更高效。 例如，你已经定位到了一组

  div

  ，现在想从这组

  div

  中筛选出没有特定属性的，那么

  //div[not(@attribute)]

  肯定比先获取所有

  div

  再在外部做

  not()

  判断要好。
• 复杂表达式的优化： 当

  not()

  内部的表达式非常复杂时，性能可能会受影响。比如

  not(contains(concat(@id, @name, text()), 'keyword'))

  这种，因为它需要拼接字符串再进行搜索。 在某些极端情况下，如果性能真的成了问题，你可能需要考虑是否能用其他XPath函数或者在代码层面（比如Python的BeautifulSoup或lxml）进行后处理来达到同样的效果。但对于大多数Web抓取任务来说，不必过度担心

  not()

  的性能，它的简洁和表达力带来的效率提升往往远超那点微小的计算开销。

最终，掌握

not()