XPath 语法

XPath 使用路径表达式来选取 XML 文档中的节点或节点集。节点是通过沿着路径 (path) 或者步 (steps) 来选取的。

• XML 实例文档

我们将在下面的例子中使用这个 XML 文档。

<?xml version="1.0" encoding="UTF-8"?>
<bookstore>
<book>
<title lang="eng">Harry Potter</title>
<price>29.99</price>
</book>
<book>
<title lang="eng">Learning XML</title>
<price>39.95</price>
</book>
</bookstore>

• 选取节点

XPath 使用路径表达式在 XML 文档中选取节点。节点是通过沿着路径或者 step 来选取的。 下面列出了最有用的路径表达式：
表达式 描述

• nodename 选取此节点的所有子节点。

/   从根节点选取。
//  从匹配选择的当前节点选择文档中的节点，而不考虑它们的位置。
.   选取当前节点。
..  选取当前节点的父节点。
@   选取属性。

在下面的表格中，我们已列出了一些路径表达式以及表达式的结果：
路径表达式 结果

bookstore   选取 bookstore 元素的所有子节点。
/bookstore
选取根元素 bookstore。
注释：假如路径起始于正斜杠( / )，则此路径始终代表到某元素的绝对路径！

bookstore/book  选取属于 bookstore 的子元素的所有 book 元素。
//book  选取所有 book 子元素，而不管它们在文档中的位置。
bookstore//book 选择属于 bookstore 元素的后代的所有 book 元素，而不管它们位于 bookstore 之下的什么位置。
//@lang 选取名为 lang 的所有属性。

• 谓语（Predicates）

谓语用来查找某个特定的节点或者包含某个指定的值的节点。
谓语被嵌在方括号中。

• 在下面的表格中，我们列出了带有谓语的一些路径表达式，以及表达式的结果：

路径表达式   结果
/bookstore/book[1]  选取属于 bookstore 子元素的第一个 book 元素。
/bookstore/book[last()] 选取属于 bookstore 子元素的最后一个 book 元素。
/bookstore/book[last()-1]   选取属于 bookstore 子元素的倒数第二个 book 元素。
/bookstore/book[position()<3]   选取最前面的两个属于 bookstore 元素的子元素的 book 元素。
//title[@lang]  选取所有拥有名为 lang 的属性的 title 元素。
//title[@lang='eng']    选取所有 title 元素，且这些元素拥有值为 eng 的 lang 属性。
/bookstore/book[price>35.00]    选取 bookstore 元素的所有 book 元素，且其中的 price 元素的值须大于 35.00。
/bookstore/book[price>35.00]/title  选取 bookstore 元素中的 book 元素的所有 title 元素，且其中的 price 元素的值须大于 35.00。
选取未知节点
XPath 通配符可用来选取未知的 XML 元素。

• 通配符 描述

匹配任何元素节点。
@*  匹配任何属性节点。
node()  匹配任何类型的节点。
在下面的表格中，我们列出了一些路径表达式，以及这些表达式的结果：
路径表达式   结果
/bookstore/*    选取 bookstore 元素的所有子元素。
//* 选取文档中的所有元素。
//title[@*] 选取所有带有属性的 title 元素。

• 选取若干路径

通过在路径表达式中使用"|"运算符，您可以选取若干个路径。

• 在下面的表格中，我们列出了一些路径表达式，以及这些表达式的结果：

路径表达式   结果
//book/title | //book/price 选取 book 元素的所有 title 和 price 元素。
//title | //price   选取文档中的所有 title 和 price 元素。
/bookstore/book/title | //price 选取属于 bookstore 元素的 book 元素的所有 title 元素，以及文档中所有的 price 元素

re正则

单字符匹配

.  匹配除了换行符之外的任意字符
\d 匹配数据0～9      => [0-9] => [^\D]
\D 匹配非数字  =>[^\d]
\s 匹配空白字符 空格 \n \r....
\S 匹配非空白字符
\w 匹配单词字符[a-zA-Z0-9_]
\W 匹配非单词字符 [^\w]
[a-z]
[1-34-9]

^ 匹配开头
$ 匹配结尾

多字符匹配

*   匹配* 前的表达式任意次数
+   匹配+ 前的表达式至少1次
？   匹配？前的表达式0～1次
{n,m} 匹配{n,m} 前的表达式n~m次
{n} 匹配{n} 前的表达式n次

非贪婪匹配(竟可能少的匹配)
*？
+？
??

| 或
() 分组
r  原始字符
\  转义符

import 导入re

re.compile(): 构建正则表达式对象
re.match(): 从字符串起始位置匹配（第一个字符开始）,匹配到结果，立即返回,否则，返回None，单次匹配
re.search(): 从起始位置开始在整个字符串中匹配,匹配到结果，立即返回,否则，返回None，单次匹配
re.findall(): 匹配出字符串中所有符合正则表达式的结果，将匹配结果放入list中返回
re.finditer(): 匹配出字符串中所有符合正则表达式的结果,返回的是一个可迭代对象
re.split(): 根据正则表达式，分割字符串
re.sub(): 根据正则表达式，替换字符串