C#中使用XPath示例总结

作者: Sunday_1024 | 来源:发表于2021-03-17 12:23 被阅读0次

0 xpath简介

用来解析html或xml查找信息的语言。

1 xpath语法

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。

例子

以下面的这个xml为例子

<?xml version="1.0" encoding="ISO-8859-1"?>

<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>

xml.xpath(“bookstore”) 表示选取 bookstore 元素的所有子节点
xml.xpath(“/bookstore”) 表示选取根元素 bookstore。
xml.xpath(“bookstore/book”) 选取属于 bookstore 的子元素的所有 book 元素。
xml.xpath(“//book”) 选取所有 book 子元素，而不管它们在文档中的位置。
xml.xpath(“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。
xml.xpath(“//@lang”) 选取名为 lang 的所有属性。

谓语

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

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。

例子：

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。

//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。

2 轴

轴可定义相对于当前节点的节点集。

轴名称	结果
ancestor	选取当前节点的所有先辈（父、祖父等）。
ancestor-or-self	选取当前节点的所有先辈（父、祖父等）以及当前节点本身。
attribute	选取当前节点的所有属性。
child	选取当前节点的所有子元素。
descendant	选取当前节点的所有后代元素（子、孙等）。
descendant-or-self	选取当前节点的所有后代元素（子、孙等）以及当前节点本身。
following	选取文档中当前节点的结束标签之后的所有节点。
namespace	选取当前节点的所有命名空间节点。
parent	选取当前节点的父节点。
preceding	选取文档中当前节点的开始标签之前的所有节点。
preceding-sibling	选取当前节点之前的所有同级节点。
self	选取当前节点。

步的语法：

轴名称::节点测试[谓语]

例子:

例子	结果
child::book	选取所有属于当前节点的子元素的 book 节点。
attribute::lang	选取当前节点的 lang 属性。
child::*	选取当前节点的所有子元素。
attribute::*	选取当前节点的所有属性。
child::text()	选取当前节点的所有文本子节点。
child::node()	选取当前节点的所有子节点。
descendant::book	选取当前节点的所有 book 后代。
ancestor::book	选择当前节点的所有 book 先辈。
ancestor-or-self::book	选取当前节点的所有 book 先辈以及当前节点（如果此节点是 book 节点）
child::*/child::price	选取当前节点的所有 price 孙节点。

3 一些函数

1. starts-with函数
  获取以xxx开头的元素
  例子：xpath(‘//div[stars-with(@class,”test”)]’)
1. contains函数
  获取包含xxx的元素
  例子：xpath(‘//div[contains(@id,”test”)]’)
1. not() 函数
  //选择不包含class属性的节点
  xpath("//span[not(@class)]");
  //选择不包含class和id属性的节点
  xpath("//span[not(@class) and not(@id)]");
  //选择不包含class="expire"的span
  xpath("//span[not(contains(@class,'expire'))]");

1. and
  与的关系
  例子：xpath(‘//div[contains(@id,”test”) and contains(@id,"title")]’)
1. text()函数
  获取内容文本
  例子1：xpath(‘//div[contains(text(),"test")]’)
  例子2：xpath(‘//div[@id="test"]/text()’)
  例子3：xpath("//div[@class='class3'][contains(text(),'div2')]/../text()")
1. comment() 函数
  获取注释内容
  例子1：xpath(‘//comment()’)
1. translate() 函数
  translate() 意为转换，经常用于忽略大小写

比如说，想获取网站描述的内容值 <meta name='Description' content='友情链接查询' /> 或<meta name='description' content='友情链接查询' /> ，下面的xpath即可。

//meta[translate(@name,'abcdefghijklmnopqrstuvwxyz','ABCDEFGHIJKLMNOPQRSTUVWXYZ')="DESCRIPTION"]
代码意思为：把name的值a到z转换为大写A到Z，判断是否和目标值"DESCRIPTION"(注意目标值是大写的)相等

4 一个xpath示例（使用HtmlAgilityPack）

                HtmlDocument doc = new HtmlDocument();
                doc.LoadHtml(@"
<html>
　　<head>
　　　　<meta name='content-type' content='text/html; charset=utf-8' />
　　　　<title>友情链接查询 - 站长工具</title>
　　　　<!-- uRj0Ak8VLEPhjWhg3m9z4EjXJwc -->
　　　　<meta name='Keywords' content='友情链接查询' />
　　　　<meta name='Description' content='友情链接查询' />

　　</head>
　　<body>
　　　　<h1 class='heading'>Top News</h1>
　　　　<p style='font-size: 200%'>World News only on this page</p>
　　　　Ah, and here's some more text, by the way.
　　　　<p>... and this is a parsed fragment ...</p>

　　　　<a href='http://www.cydf.org.cn/' rel='nofollow' target='_blank'>青少年发展基金会</a> 
　　　　<a href='http://www.4399.com/flash/32979.htm' target='_blank'>洛克王国</a> 
　　　　<a href='http://www.4399.com/flash/35538.htm' target='_blank'>奥拉星</a> 
　　　　<a href='http://game.3533.com/game/' target='_blank'>手机游戏</a>
　　　　<a href='http://game.3533.com/tupian/' target='_blank'>手机壁纸</a>
　　　　<a href='http://www.4399.com/' target='_blank'>4399小游戏</a> 
　　　　<a href='http://www.91wan.com/' target='_blank'>91wan游戏</a>

　　</body>
</html>

");

                HtmlNodeCollection nodes = doc.DocumentNode.SelectNodes("//a");//xpath表达式，获取所有链接

                if (nodes == null)
                {
                    txa_new.Text = "===================匹配不到==================";
                    return;
                }

                StringBuilder sb = new StringBuilder();
                sb.AppendLine("获取匹配节点(node)总数:" + nodes.Count);
                sb.AppendLine("*******************我是分隔符*******************");

                HtmlNode node;

                for (int i = 0; i < nodes.Count; i++)
                {
                    node = nodes[i];
                    if (cb_showAttributes.Checked)
                    {
                        var attrList = node.Attributes;
                        foreach (var attr in attrList)
                        {
                            sb.AppendLine("[Attributes]:" + attr.Name + " => " + attr.Value);
                        }
                    }
                    if(cb_InnerHtml.Checked)sb.AppendLine("[InnerHtml]:" + node.InnerHtml);
                    if(cb_InnerText.Checked)sb.AppendLine("[InnerText]:" + node.InnerText);
                    if(cb_OuterHtml.Checked)sb.AppendLine("[OuterHtml]:" + node.OuterHtml);
                    if(cb_XPath.Checked)    sb.AppendLine("[XPath]:"     + node.XPath);
                    sb.AppendLine(string.Format("===================我是分隔符{0}===================",i+1));
                }


                txa_new.Text = sb.ToString();

获取结果：

获取匹配节点(node)总数:7
*******************我是分隔符*******************
[Attributes]:href => http://www.cydf.org.cn/
[Attributes]:rel => nofollow
[Attributes]:target => _blank
[InnerHtml]:青少年发展基金会
[InnerText]:青少年发展基金会
[OuterHtml]:<a href="http://www.cydf.org.cn/" rel="nofollow" target="_blank">青少年发展基金会</a>
[XPath]:/html[1]/body[1]/a[1]
===================我是分隔符1===================
[Attributes]:href => http://www.4399.com/flash/32979.htm
[Attributes]:target => _blank
[InnerHtml]:洛克王国
[InnerText]:洛克王国
[OuterHtml]:<a href="http://www.4399.com/flash/32979.htm" target="_blank">洛克王国</a>
[XPath]:/html[1]/body[1]/a[2]
===================我是分隔符2===================
[Attributes]:href => http://www.4399.com/flash/35538.htm
[Attributes]:target => _blank
[InnerHtml]:奥拉星
[InnerText]:奥拉星
[OuterHtml]:<a href="http://www.4399.com/flash/35538.htm" target="_blank">奥拉星</a>
[XPath]:/html[1]/body[1]/a[3]
===================我是分隔符3===================
[Attributes]:href => http://game.3533.com/game/
[Attributes]:target => _blank
[InnerHtml]:手机游戏
[InnerText]:手机游戏
[OuterHtml]:<a href="http://game.3533.com/game/" target="_blank">手机游戏</a>
[XPath]:/html[1]/body[1]/a[4]
===================我是分隔符4===================
[Attributes]:href => http://game.3533.com/tupian/
[Attributes]:target => _blank
[InnerHtml]:手机壁纸
[InnerText]:手机壁纸
[OuterHtml]:<a href="http://game.3533.com/tupian/" target="_blank">手机壁纸</a>
[XPath]:/html[1]/body[1]/a[5]
===================我是分隔符5===================
[Attributes]:href => http://www.4399.com/
[Attributes]:target => _blank
[InnerHtml]:4399小游戏
[InnerText]:4399小游戏
[OuterHtml]:<a href="http://www.4399.com/" target="_blank">4399小游戏</a>
[XPath]:/html[1]/body[1]/a[6]
===================我是分隔符6===================
[Attributes]:href => http://www.91wan.com/
[Attributes]:target => _blank
[InnerHtml]:91wan游戏
[InnerText]:91wan游戏
[OuterHtml]:<a href="http://www.91wan.com/" target="_blank">91wan游戏</a>
[XPath]:/html[1]/body[1]/a[7]
===================我是分隔符7===================

删除注释内容

            HtmlAgilityPack.HtmlDocument doc = new HtmlAgilityPack.HtmlDocument();
            doc.LoadHtml(html或xml的code);

            foreach (HtmlNode comment in doc.DocumentNode.SelectNodes("//comment()"))
            {
                //删除注释的html或xml代码
                comment.ParentNode.RemoveChild(comment);
            }
            //获取删除注释后的html或xml代码
            string newHtml = doc.DocumentNode.InnerHtml;

5 注意一点

xpath只能是小写(跟数据大小写无关)，否则不能正常匹配你要查的数据。
测试xpath可以使用工具： http://www.1024todo.cn:8000/tool.aspx#/tool/xpath.aspx

C#中使用XPath示例总结

0 xpath简介

1 xpath语法

例子

谓语

选取未知节点

选取若干路径

2 轴

步的语法：

3 一些函数

4 一个xpath示例（使用HtmlAgilityPack）

5 注意一点

相关文章

网友评论

延伸阅读

深度阅读

栏目导航

热点阅读