XPath函数如何使用？

XPath函数通过字符串处理、节点筛选和逻辑判断等功能，显著提升路径表达式的灵活性与精准度。典型函数如contains()和starts-with()用于模糊匹配属性值，应对动态class或href；normalize-space()清理文本中的冗余空白，提升数据质量；count()和position()支持列表项的定量分析与索引定位；结合text()、substring-before()、translate()等可精准提取复杂文本中的目标信息，如价格、库存数字；在多语言场景中，通过关键词判断语言类型；面对不规则结构时，利用following-sibling、name()、local-name()实现相对定位与泛化选择，增强选择器的鲁棒性。

解决方案

[]

函数名(参数)

<li> <p>节点集函数 (Node Set Functions): 这类函数主要用于处理或获取节点集的信息。
<li>

count(node-set)

登录后复制
: 返回节点集中的节点数量。
<li>例如：

count(//li)

登录后复制
会统计页面上所有

<li>

登录后复制
元素的数量。
<li>

position()

登录后复制
: 返回当前节点在节点集中的位置（从1开始）。
<li>例如：

//div[position() = 2]

登录后复制
会选择第二个

<div>

登录后复制
元素。
<li>

last()

登录后复制
: 返回节点集中的最后一个节点的位置。
<li>例如：

//p[position() = last()]

登录后复制
会选择最后一个

<p>

登录后复制
元素。
<li>

id(string)

登录后复制
: 根据ID属性值选择元素。
<li>例如：

id('main-content')

登录后复制
会选择ID为

main-content

登录后复制
的元素。
<li> <p>字符串函数 (String Functions): 用于处理节点或属性的文本内容。
<li>

string(object)

登录后复制
: 将任何类型的数据转换为字符串。
<li>例如：

string(//h1)

登录后复制
会获取第一个

<h1>

登录后复制
元素的文本内容。
<li>

concat(string1, string2, ...)

登录后复制
: 连接多个字符串。
<li>例如：

concat('Hello', ' ', 'World')

登录后复制
结果是 "Hello World"。
<li>

contains(string1, string2)

登录后复制
: 检查

string1

登录后复制
是否包含

string2

登录后复制
。
<li>例如：

//a[contains(@href, 'product')]

登录后复制
选择所有

href

登录后复制
属性包含 "product" 的链接。
<li>

starts-with(string1, string2)

登录后复制
: 检查

string1

登录后复制
是否以

string2

登录后复制
开头。
<li>例如：

//div[starts-with(@class, 'item-')]

登录后复制
选择所有

class

登录后复制
属性以 "item-" 开头的

<div>

登录后复制
。
<li>

substring(string, start, length)

登录后复制
: 提取字符串的子串。
<li>例如：

substring('HelloWorld', 6, 5)

登录后复制
结果是 "World"。
<li>

string-length(string)

登录后复制
: 返回字符串的长度。
<li>例如：

//p[string-length(text()) > 50]

登录后复制
选择文本内容长度超过50的

<p>

登录后复制
。
<li>

normalize-space(string)

登录后复制
: 移除字符串开头和结尾的空格，并将内部连续的空格替换为单个空格。
<li>这在处理网页上那些格式不统一的文本时简直是神器，比如

normalize-space(//div[@class='description']/text())

登录后复制
。
<li> <p>布尔函数 (Boolean Functions): 返回

true

登录后复制
或

false

登录后复制
，常用于谓词中。
<li>

not(boolean)

登录后复制
: 对布尔值取反。
<li>例如：

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

登录后复制
选择所有

target

登录后复制
属性不为 "_blank" 的链接。
<li>

true()

登录后复制
/

false()

登录后复制
: 返回字面布尔值。
<li> <p>数值函数 (Number Functions): 用于执行数学计算。
<li>

number(object)

登录后复制
: 将对象转换为数字。 <li>

sum(node-set)

登录后复制
: 计算节点集中所有节点的数值之和。 <li>

floor(number)

登录后复制
: 向下取整。 <li>

ceiling(number)

登录后复制
: 向上取整。 <li>

round(number)

登录后复制
: 四舍五入。

class

div

//div[contains(@class, 'card') and contains(text(), '优惠')]

and

常用XPath函数有哪些，它们各自的典型应用场景是什么？

contains()

starts-with()

class

id

item-12345

product-card-abc

item-

product-card-

starts-with(@class, 'item-')

href

category=electronics

contains(@href, 'category=electronics')

normalize-space()

normalize-space(text())

PPT.CN,PPTCN,PPT.CN是什么,PPT.CN官网,PPT.CN如何使用 <p>一键操作，智能生成专业级PPT

268

查看详情

count()

position()

count(//ul/li)

//ul/li[position() < 3]

position()

text()

//div[@class='price']/text()

string(.)

normalize-space(.)

在实际抓取数据时，如何利用XPath函数处理复杂的文本和属性值？

normalize-space()

substring-before()

substring-after()

translate()

substring-before(normalize-space(//div[@class='price']/text()), '起')

translate(substring-before(normalize-space(//div[@class='price']/text()), '起'), '¥', '')

data-src

class

class="product-item large active"

active

//div[contains(@class, 'active')]

active

//div[contains(@class, 'product-item') and contains(@class, 'active')]

href

starts-with()

substring-before()

substring-before(@href, '?')

translate()

translate(., '库存：件', '')

number(translate(., '库存：件', ''))

XPath函数在处理多语言内容或不规则HTML结构时有哪些高级用法？

lang()

//h2[contains(text(), '新闻') or contains(text(), '最新')]

//h2[contains(text(), 'News') or contains(text(), 'Latest')]

lang

matches()

translate()

string-length()

<li> 相对定位与索引的结合： 当一个元素没有明确的ID或class，但它总是出现在某个已知元素之后（或之前）的某个位置时，

following-sibling::*

登录后复制
或

preceding-sibling::*

登录后复制
结合

position()

登录后复制
就非常有用了。
<li>比如，

//h2[text()='产品详情']/following-sibling::p[position()=1]

登录后复制
就能找到标题“产品详情”后的第一个段落。这比硬编码一个绝对路径要灵活得多。
<li>*泛化选择器 `

结合

登录后复制
name()

或

登录后复制
local-name()

：** 有时候，你不知道具体的标签名是什么，或者标签名可能会变（比如从

登录后复制
div

变成

登录后复制
section`），但你知道它一定是某个标题标签（h1-h6）或某个列表项。
<li>

//*[starts-with(name(), 'h')]

登录后复制
可以选择所有

h1

登录后复制
到

h6

登录后复制
的标题。这在处理语义化不那么严格的页面时，能帮你抓取所有层级的标题。 <li>如果页面使用了XML命名空间，

local-name()

登录后复制
函数就显得尤为重要，它会忽略命名空间前缀，只关注标签的本地名称。
<li> 根据文本内容长度筛选： 遇到很多空标签或者占位符标签时，你可能只想要那些有实际内容的元素。
<li>

//p[string-length(normalize-space(text())) > 0]

登录后复制
可以筛选出所有非空的

<p>

登录后复制
标签。这在过滤掉那些视觉上不可见但HTML里存在的空标签时非常有效。
<li>

id()

登录后复制
函数的妙用： 即使

id

登录后复制
属性不在你当前路径的直接父级，你也可以通过

id('some-id')

登录后复制
直接跳到那个元素，然后从那里开始你的相对路径。这在处理大型、复杂且有明确ID标识的页面时，能提供一个快速的“锚点”。

以上就是XPath函数如何使用？的详细内容，更多请关注php中文网其它相关文章！