人们对于不确定之事的兴趣，永远多于已经确定之事，过去和现在经常被人们遗忘。所以，能够编织梦想的人，永远是最受欢迎之人!
总结：
- HTML与XML的差别
HTML是用来做数据格式的显示的，里面的数据是为了用标签在浏览器中绘制出来的；
XML的创造是为了在系统之间传输数据，树形结构、标签;费流量；可以用JSON- XML中，<> 内的用来存放属性\类 ； 用条件 @ 来匹配； [] 内些匹配条件
- node() \ local-name() \ 函数返回 为节点
1. HTML解析
HTML的内容返回给浏览器，浏览器就会解析它，并对它渲染。
HTML 超文本表示语言，设计的初衷就是为了超越普通文本，让文本表现力更强。
XML扩展标记语言，不是为了代替HTML，而是觉得HTML的设计中包含了过多的格式，承担了一部分数据之外的
任务，所以才设计了XML只用来描述数据。
HTML和XML都有结构，使用标记形成树型的嵌套结构。DOM（Document Object Model）来解析这种嵌套树型
结构，浏览器往往都提供了对DOM操作的API，可以用面向对象的方式来操作DOM。
2. XPath****
http://www.w3school.com.cn/xpath/index.asp 中文教程
XPath 是一门在 XML 文档中查找信息的语言。XPath 可用来在 XML 文档中对元素和属性进行遍历。
工具
XMLQuire win7+需要.NET框架4.0-4.5。
测试XML、XPath
<?xml version="1.0" encoding="utf-8"?>
<bookstore>
<book id="bk101">
<author>Gambardella, Matthew</author>
<title>XML Developer's Guide</title>
<genre>Computer</genre>
<price>44.95</price>
<publish_date>2000-10-01</publish_date>
<description>An in-depth look at creating applications
with XML.</description>
</book>
<book id="bk102">
<author>Ralls, Kim</author>
<title>Midnight Rain</title>
<genre>Fantasy</genre>
<price>5.95</price>
<publish_date>2000-12-16</publish_date>
<description>A former architect battles corporate zombies,
an evil sorceress, and her own childhood to become queen
of the world.</description>
</book>
<book id="bk104">
<author>Corets, Eva</author>
<title>Oberon's Legacy</title>
<genre>Fantasy</genre>
<price>5.95</price>
<publish_date>2001-03-10</publish_date>
<description>In post-apocalypse England, the mysterious
agent known only as Oberon helps to create a new life
for the inhabitants of London. Sequel to Maeve
Ascendant.</description>
</book>
</bookstore>
在 XPath 中，有七种类型的节点：元素、属性、文本、命名空间、处理指令、注释以及文档（根）节点。
/ 根结点
元素节点，例如 book,title等
属性节点 : id=
Corets, Eva 元素节点，
id="bk104" 是属性节点，id是元素节点book的属性
节点之间的嵌套形成父子(parent、children) 关系。
具有同一个父节点的不同节点是兄弟(sibling) 关系。
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[]。谓语就是查询的条件。
| 操作符或表达式 | 含义 |
|---|---|
| / | 从根节点开始找 |
| // | 从当前节点开始的任意层找 |
| . | 当前节点 |
| .. | 当前节点的父节点 |
| @ | 选择属性 |
| 节点名 | 选取所有这个节点名的节点 |
| * | 匹配任意元素节点 |
| @* | 匹配任意属性节点 |
| node() | 匹配任意类型的节点 |
| text() | 匹配text类型节点 |
XPath 轴（Axes）
| 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。@id 等价于 attribute::id |
| child | 选取当前节点的所有子元素。title 等价于 child:title |
| 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 | 直到所有这个节点的父辈节点，顺序选择每个父辈节点前的所有同级节点 |
| preceding-sibling | 选取当前节点之前的所有同级节点 |
| self | 选取当前节点。 等价于 self::node() |
根bookstore下任意层 title或price
双击大纲变为 当前节点
XPATH实例
以斜杠开始的称为绝对路径，表示从根开始；
不以斜杆开始的称为相对路径，一般都是依照当前节点来计算；当前节点在上下文环境中，当前节点很可能已经不是跟节点了；
一般为了方便，往往XML如果层次很深，都会使用//来查找节点；
| 路径表达式 | 含义 |
|---|---|
| title | 选取当前节点下所有title子节点 |
| /book | 从根结点找子节点是book的，找不到 |
| book/title | 当前节点下所有子节点book下的title节点 |
| //title | 从根节点向下找任意层中title的节点 |
| book//title | 当前节点下所有book子节点下任意层次的title节点 |
| //@name | 任意层下含有name的 属性，取回的是属性 |
| //book[@id] | 任意层下含有name属性的book节点 |
| //book[@id="bk101"] | 任意层下含有name属性且等于'bk101'的book节点 |
| /bookstore/book[1] | 根节点bookstore下第一个book节点，从1开始 |
| /bookstore/book[1]/@id | 根节点bookstore下第一个book节点的id属性 |
| /bookstore/book[last()-1] | 根节点bookstore下倒数第二个book节点，函数last() |
| /bookstore/* | 匹配根节点bookstore的所有子节点， 不递归 |
| //* | 匹配所有子孙节点 |
| //[@] | 匹配所有有属性的节点 |
| //book[@*] | 匹配所有有属性的book节点 |
| //@* | 匹配所有属性 |
| //book/title | //pric | 匹配book下的title节点或者任意层下的price |
| //book[position()=2] | 匹配book节点，取第二个 |
| //book[position()<last()-1] | 匹配book节点，取位置小于倒数第二个 |
| //book[price>40] | 匹配price节点值大于40的book节点 |
| //book[2]/node() = * | 匹配位置为2的book节点下的所有类型的节点 |
| //book[1]/text() | 匹配第一个book节点下的所有文本子节点 |
| //book[1]//text() | 匹配第一个book节点下的所有文本节点 |
| //*[local-name()='book'] | 匹配所有节点且不带限定名的节点名称为book的所有节点 |
|
//book/child::node() [local-name()='price' and text()<10] |
所有book节点的子节点中名字叫做price的且其内容小于10的节点，等价于 //book/price[text()<10] |
| 等价式 | //book[price<6]/price //book/price[text()<6] //book/child::node()[local-name()='price' and text()<6] 这三种等价 |
| //book//*[self::title or self::price] | 所有book节点下子孙节点，这些节点是title或者price，等价于//book//title | //book/price，也等价于//book//*[local-name()='title' or local-name()='price'] |
| //*[@class] | 所有有class属性的节点 |
| //*[@class="bookinfo even"] | 所有属性为"bookinfo even"的节点 |
| //*[contains(@class,'even')] | 属性class中包含even字符串的节点 |
| //*[contains(local-name(),'book')] | 标签名包含book的节点 |
3. lxml
lxml 是Python下功能丰富的XML、HTML解析库， 性能非常好， 是对libxml 2和libxslt的封装。
最新版支持Python 2.6+， python 3支持到3.6。
网友评论