xpath定位

一、路径符号核心区别(表格速查)

符号 名称 作用范围 典型使用场景 性能影响
/ 单斜杠 ./ 相对路径直接子级, /绝对路劲-根路径 精确层级定位 高效
// 双斜杠 //当前元素下开始查找,可以跨嵌套层 模糊层级/跨嵌套定位 较低效

一、XPath基础定位类型(适合小白入门)

绝对路径定位

示例:/html/body/div[2]/div[3]/span

特点:从根节点开始逐层查找,像文件路径

缺点:路径长且容易受页面结构调整影响

相对路径定位

示例://div//span 或者 .//div/span

特点:用双斜杠//表示任意层级,更灵活

作用:查找所有div下的任意层级的span标签

示例2:./div 相对当前元素的直接子元素div

标签名+属性定位

示例://input[@id="username"]

解析:查找所有input标签中id属性等于"username"的元素

常用属性:@id、@class、@name、@type等

模糊匹配定位

示例1://div[contains(@class, "page")]

作用:查找class属性包含"page"的div

示例2://a[starts-with(@href, "https")]

作用:查找href属性以https开头的链接

文本内容定位

示例://button[text()="提交"]

进阶://h2[contains(text(), "最新消息")]

注意:text()方法对隐藏文本可能无效

二、进阶定位技巧(需要理解DOM结构)

6. 索引定位

示例://ul/li[3]

作用:选择第三个li元素(注意索引从1开始)

风险:页面结构变化时容易失效

逻辑运算符

示例://input[@type="text" and @required]

组合条件:and/or 连接多个条件

通配符使用

示例1://[@class="item"] 匹配任何标签

示例2://div[@] 匹配有任意属性的div

三、高级轴定位(处理复杂文档结构)

9. 父子关系

parent轴://span/parent::div

child轴://ul/child::li

后代: //ul/descendant:😗

descendant-or-self

兄弟关系

当前节点之前的所有同级节点:following-sibling://h3/following-sibling::p

当前节点后的同级节点:preceding-sibling://span/preceding-sibling::a

祖先关系

所有先辈: ancestor轴://em/ancestor::div[@class="container"]

后代关系

所有后代:descendant轴://div[@id="main"]/descendant::img

//div[contains(@class, 'chapter-name')]/parent::div/following-sibling::div[position() <= 20]

相关推荐
cipher3 天前
crawl4ai:AI时代的数据采集利器——从入门到实战
后端·爬虫·python
W-琑3 天前
软件测试-自动化测试
功能测试·自动化
深蓝电商API3 天前
结构化数据提取:XPath vs CSS 选择器对比
爬虫·python
易辰君3 天前
【Python爬虫实战】正则:中文匹配与贪婪非贪婪模式详解
开发语言·爬虫·python
深蓝电商API3 天前
爬虫增量更新:基于时间戳与哈希去重
爬虫·python
电商API_180079052473 天前
京东商品评论API接口封装的心路历程
服务器·开发语言·爬虫·数据分析·php
feathered-feathered4 天前
测试实战【用例设计】自己写的项目+功能测试(1)
java·服务器·后端·功能测试·jmeter·单元测试·压力测试
袁袁袁袁满4 天前
Haystack与亮数据MCP工具结合实现自动化爬虫
爬虫·python·网络爬虫·数据采集·爬虫实战·视频爬虫·特推爬虫
深蓝电商API4 天前
Redis 作为爬虫去重与任务队列实战
爬虫·python
IP搭子来一个4 天前
爬虫使用代理IP全解析:原理、类型与实战指南
爬虫·网络协议·tcp/ip