XPath如何匹配多个节点？-XML/RSS教程-PHP中文网

XPath如何匹配多个节点？

小老鼠

发布： 2025-09-10 13:56:01

原创

830人浏览过

XPath能匹配多个节点，通过标签名、属性、位置、通配符及联合操作符|等方式实现。例如//a选所有链接，//div[@class='product-item']选特定class的div，//h1|//h2|//h3选多种标题。使用谓词可精确筛选，如//div[contains(@class,'product-card')]匹配含特定class的元素，//a[starts-with(@href,'/products/')]匹配指定href的链接。结合and、or可组合多条件，如//input[@type='text' or @type='email']。轴（axes）用于关系定位，如//h2[text()='产品列表']/following-sibling::ul/li可选特定标题后的列表项。这些方法使XPath能高效批量定位复杂结构中的节点。

xpath如何匹配多个节点？

XPath在处理XML或HTML文档时，其核心能力之一就是能够轻松地匹配和返回多个节点。它并不是一个“是否能”的问题，而更多是“如何更精确、更高效地”选择你所需的一组节点。无论是寻找页面上所有链接、所有特定类型的段落，还是那些满足复杂条件的数据项，XPath都提供了丰富的语法和操作符来达成这个目标。

要匹配多个节点，XPath提供了多种策略，具体选择哪种取决于你的目标和文档结构。最直接的方式是选择所有同名元素，比如

//a

登录后复制

会选中文档中所有的

<a>

登录后复制

标签。但我们往往需要更细致的筛选。

基于标签名和位置： 如果想选前三个
```
<li>
```
登录后复制
元素，可以尝试
```
//ul/li[position() <= 3]
```
登录后复制
。
基于属性： 比如，我们经常需要抓取所有带有特定class的元素，如
```
//div[@class='product-item']
```
登录后复制
，这会返回所有class为
```
product-item
```
登录后复制
的
```
div
```
登录后复制
。
使用通配符：
```
//*
```
登录后复制
会匹配文档中的所有元素，而
```
//div/*
```
登录后复制
则会匹配所有
```
div
```
登录后复制
元素下的直接子元素。这在探索文档结构时很有用，但通常不建议用于精确数据提取，因为它会带来大量无关节点。
联合操作符
|
登录后复制
：当你需要同时匹配几种不同类型的节点时，
```
|
```
登录后复制
操作符非常强大。比如，
```
//h1 | //h2 | //h3
```
登录后复制
可以一次性获取所有一级、二级、三级标题。
文本内容匹配：
```
//p[contains(text(), '关键词')]
```
登录后复制
可以找到所有包含特定关键词的段落。

这些只是冰山一角，XPath的强大之处在于其组合能力，通过将这些基本选择器与谓词、轴（axes）结合，几乎可以定位任何你想要的节点集合。

XPath中如何精确选择具有特定属性的多个元素？

这个需求在实际工作中太常见了，简直是XPath的“基本功”之一。我们经常会遇到这样的场景：页面上有很多

div

登录后复制

，但只有那些

class

登录后复制

属性是

product-card

登录后复制

的才是我想要的商品信息；或者，我想找到所有

href

登录后复制

属性包含

category

登录后复制

字样的链接。

要精确选择，关键在于使用谓词（Predicates）。谓词用方括号

[]

登录后复制

包裹，紧跟在节点测试（node test）之后。

最直接的是完全匹配属性值：

//div[@class='product-card']

登录后复制

这会返回文档中所有

class

登录后复制

属性值恰好是

product-card

登录后复制

的

div

登录后复制

元素。注意，如果一个

div

登录后复制

有多个

class

登录后复制

，例如

<div class="product-card featured">

登录后复制

，这种写法是匹配不到的。这时就需要

contains()

登录后复制

函数。

使用

contains()

登录后复制

函数进行模糊匹配：

//div[contains(@class, 'product-card')]

登录后复制

这样就能匹配到所有

class

登录后复制

属性值中包含

product-card

登录后复制

子串的

div

登录后复制

元素，比如

product-card featured

登录后复制

或

featured product-card

登录后复制

都能被选中。这在处理动态生成的class名时尤其有用。

类似的，还有

starts-with()

登录后复制

和

ends-with()

登录后复制

(后者在XPath 1.0中不直接支持，但XPath 2.0+有)：

//a[starts-with(@href, '/products/')]  // 匹配所有href以/products/开头的链接

登录后复制

当然，我们还可以组合多个条件，使用

and

登录后复制

或

or

登录后复制

：

//a[@target='_blank' and contains(@href, 'external')] // 匹配所有在新窗口打开且链接包含'external'的a标签
//input[@type='text' or @type='email'] // 匹配所有type是text或email的input标签

登录后复制

通过这些组合，你可以构建出非常精细的筛选逻辑，从一大堆节点中精准地“捞”出你真正需要的那一部分。这就像在图书馆里，你不只是找“书”，而是找“作者是XX，出版年份在YY之后，并且书名包含ZZ关键词”的书。

造点AI

夸克 · 造点AI

325

查看详情

当需要匹配不同类型的元素时，XPath的联合操作符如何使用？

有时候，我们的需求不是“所有

div

登录后复制

里的

登录后复制

”，而是“所有标题和所有列表项”，或者“所有错误信息和所有警告信息”。这些节点可能在文档结构中相距甚远，标签名也各不相同，但它们在逻辑上属于同一类信息，需要一起处理。这时，XPath的联合操作符
|
登录后复制
就显得尤为重要，它允许你将多个独立的XPath表达式的结果合并成一个节点集。

想象一下，你正在解析一个新闻页面，想抓取所有标题（可能是

h1

登录后复制

h2

登录后复制

h3

登录后复制

）和所有主要内容段落（

登录后复制

标签，但可能只有

class='article-body'

登录后复制

的）。如果一个一个去取，那代码会显得重复且效率不高。

使用

登录后复制

操作符可以这样写：

//h1 | //h2 | //h3 | //p[@class='article-body']

登录后复制

这个表达式会返回一个节点集，其中包含了所有匹配到的

h1

登录后复制

、

h2

登录后复制

、

h3

登录后复制

元素，以及所有

class

登录后复制

属性为

article-body

登录后复制

的

登录后复制

元素。这些节点在返回时通常会按照它们在原始文档中的顺序排列，这对于后续处理来说非常方便。

我个人在做一些内容聚合时，经常会用到这个技巧。比如，要从一个复杂的HTML页面中提取所有“显眼”的文本内容，我可能会这样组合：

//h1 | //h2 | //h3 | //h4 | //p[string-length(normalize-space(.)) > 50] | //li[string-length(normalize-space(.)) > 30]

登录后复制

这里我甚至加入了

string-length()

登录后复制

和

normalize-space()

登录后复制

函数，来过滤掉那些过短或只有空白的段落和列表项，确保抓取到的内容有实际意义。这种灵活性是

登录后复制

操作符的魅力所在。

需要注意的是，

登录后复制

操作符连接的每个部分本身都必须是一个有效的XPath表达式，并且它们的结果会简单地合并。它不会像SQL的

UNION ALL

登录后复制

那样去重，但对于节点集来说，通常每个节点都是唯一的，所以去重不是主要考虑。性能上，虽然理论上会执行多个表达式，但在大多数现代XPath引擎中，这种开销通常可以忽略不计，尤其是在处理合理大小的文档时。

除了直接选择，XPath还有哪些高级技巧可以帮助批量定位元素？

当简单的标签名、属性或联合选择不足以满足需求时，我们就需要深入挖掘XPath的“高级武器”了。这些技巧往往涉及到轴（Axes）、函数（Functions）以及对上下文（Context）的巧妙利用。它们能让你在复杂的、非结构化的或嵌套很深的文档中，像侦探一样精准地找出目标。

利用轴（Axes）进行关系定位： XPath的轴允许你根据节点之间的关系来选择节点，而不仅仅是它们的层级。这对于批量选择那些没有独特属性，但与某个已知节点有特定关系的元素非常有用。
- ```
following-sibling::*
```
  登录后复制
  ：选择当前节点之后的所有同级元素。
- ```
preceding-sibling::*
```
  登录后复制
  ：选择当前节点之前的所有同级元素。
- ```
descendant::*
```
  登录后复制
  ：选择当前节点的所有后代元素。
- ```
ancestor::*
```
  登录后复制
  ：选择当前节点的所有祖先元素。
- ```
parent::*
```
  登录后复制
  ：选择当前节点的直接父元素。
- ```
child::*
```
  登录后复制
  ：选择当前节点的直接子元素（这是默认轴，通常省略）。
举个例子，如果你找到一个
```
div
```
登录后复制
，它的标题是
```
<h2>产品列表</h2>
```
登录后复制
，然后你想抓取这个
```
div
```
登录后复制
后面所有
```
ul
```
登录后复制
里的
```
li
```
登录后复制
元素：
```
//h2[text()='产品列表']/following-sibling::ul/li
```
登录后复制
这个表达式首先定位到文本为“产品列表”的
```
h2
```
登录后复制
标签，然后从它的所有同级兄弟元素中找到
```
ul
```
登录后复制
标签，再从这些
```
ul
```
登录后复制
标签中选择所有的
```
li
```
登录后复制
子元素。这种“先找到参照物，再定位目标”的思路，在