XPath 是什么：怎么写路径表达式定位 HTML/XML 节点

写爬虫或者处理 XML 配置文件时，经常需要"从一堆嵌套标签里精确定位某个节点"，XPath（XML Path Language）就是为这个问题设计的路径查询语言，语法思路和文件系统路径有几分相似。

目录

1. XPath 是什么，解决什么问题
2. 基础路径语法
3. 谓语：按条件筛选节点
4. 常用函数

1. XPath 是什么，解决什么问题

XPath（XML Path Language）是一套用来在 XML（或 HTML）文档结构里定位节点的路径表达式语言，1999 年由 W3C 制定为标准。它的核心思路是：把 XML/HTML 文档看作一棵树形结构（标签嵌套形成父子关系），用类似文件路径的语法，从根节点或任意节点出发，一步步描述"怎么走到目标节点"。爬虫工具（Scrapy、lxml）、浏览器自动化（Selenium）、以及编程语言内置的 document.evaluate API，都支持用 XPath 来精确抓取网页里的特定元素。

2. 基础路径语法

比如 //div[@class="content"]//p 表示"文档任意位置下 class 属性为 content 的 div，再往下任意深度的所有 p 标签"——这是爬虫里最常见的写法模式：用 // 跳过不关心的中间层级，直接锚定关键的容器和目标标签。

3. 谓语：按条件筛选节点

方括号 [] 里写的是"谓语"（Predicate），给路径加上筛选条件：

//a[@href]                     选中所有带 href 属性的 a 标签
//a[contains(@href, "detail")] 选中 href 属性包含 "detail" 的 a 标签
//li[3]                        选中同级第 3 个 li 节点（注意：XPath 的索引从 1 开始，不是 0）
//div[last()]                  选中最后一个 div
//input[@type="text" and @name="username"]  同时满足两个属性条件

索引从 1 开始是 XPath 和大多数编程语言（数组通常从 0 开始）的一个重要区别，也是新手最容易踩的坑之一。

4. 常用函数

XPath 内置了一些函数，能返回布尔值、字符串或数字，而不是节点集合：

• text()：选中节点的直接文本内容，比如 //h1/text() 取标题文字
• string(...)：把节点内容转换成字符串，会拼接所有后代文本节点
• count(...)：统计匹配到的节点数量
• boolean(...)：转换成布尔值，常用于条件判断
• normalize-space(...)：去除字符串首尾空白并把中间连续空白压缩成一个空格，处理网页里常见的排版空白很好用

XPath 在严格的 XML 文档上表现最稳定；用在 HTML 上时，由于真实网站的 HTML 往往不完全规范（标签未闭合、嵌套错误），解析器通常需要用"宽松模式"做容错处理，写路径时也建议尽量用相对靠内层、有辨识度的属性（比如唯一的 class 或 id）作为锚点，而不是依赖容易变化的绝对层级路径，这样在页面结构小改动时脚本更不容易失效。

在线工具：xpath测试