XPath 是什么？
XPath的全称是 XML Path Language，即XML 路径措辞，是一种在XML（HTML）文档中查找信息的措辞。它有4点特性：
XPath 利用路径表达式在 XML 文档中进行导航XPath 包含一个标准函数库XPath 是 XSLT 中的紧张元素XPath 是一个 W3C 标准我们从网页中提取数据，紧张运用前两点。
XPath 路径表达式
利用XPath我们可以很随意马虎定位到网页中的节点，也便是找到我们关心的数据。这些路径跟电脑目录、网址的路径很相似，通过/来表示路径的深度。
XPath 标注函数库
头内建了100多个函数，当然我们提取数据用到的有限，也就不用记住全部100多个函数了。
Xpath 的节点（Node）
XPath中的核心便是节点（Node），定义了7种不同类型的节点： 元素（Element）、属性（Attribute）、文本（Text）、命名空间（Namespace）、处理指令（processing-instruction）、注释（Comment）和文档节点（Document nodes）
这些节点组成一棵节点树，树的根节点被称为文档节点。
个中注释便是html里面的注释：<!-- 注释内容 -->
而命名空间、处理指令和网页数据提取基本没紧要，这里就不再详述。
下面我们以一个大略的html文档为例，来阐明不同的节点及其关系。
<html lang=\"大众en-US\"大众><body> <div>ABC</div> <ul id=\"大众menu\公众> <li class=\"大众item\"大众>home</li> <li class=\"大众item\公众>python</li> </ul></body></html>
这段html中的节点有：
文档节点： <html>元素节点：<li class=\公众item\公众>python</li>属性节点： id=\"大众menu\公众XPath 节点的关系
节点间的关系完备照搬人类传宗接代的辈分关系，但只是嫡系关系，没有叔叔、大伯之类的旁系关系。
还是以上面的html文档为例来解释节点关系：
父（Parent）
每个元素节点（Element）及其属性都有一个父节点。
比如，body的父是html，而body是div、ul 的父亲。
子（Children）
每个元素节点可以有零个、一个或多个子。
比如，body有两个子：div，ul，而ul也有两个子：两个li。
同辈（Sibling）
同辈有相同的父辈节点。
比如，div和ul是同辈。
先辈（Ancestor）
某节点的父辈及其以上辈分的节点。
比如，li的父辈有：ul、div、body、html
后代（Descendant）
某节点的子及其子孙节点。
比如，body的后代有：div、ul、li。
XPath节点的选取
选取节点，也便是通过路径表达来实现。这是我们在网页提取数据时的关键，要闇练节制。
下表是比较有用的路径表达式：
接下来通过详细的示例来加深对路径表达的理解：
XPath函数
Xpath的函数很多，涉及到缺点、数值、字符串、韶光等等，然而我们从网页中提取数据的时候只会用到很少的一部分。个中最主要的便是字符串干系的函数，比如contains()函数。
contains(a, b)
如果字符串a包含字符串b，则返回true，否则返回false。
比如： contains(‘猿人学Python’, ‘Python’)，返回true
那么它用在什么时候呢？我们知道，一个html标签的class是可以有多个属性值的，比如：
<div class=\"大众post-item text-red text-center\"大众> ...</div>
这段html中div有三个class值，第一个表面它是一条发布的，后面两个是对格式做了更多的设置。如果我们想提取网页中所有发布的，只须要匹配到post-item 即可，这时候就可以用上contains了：
doc.xpath('//div[contains(@class, \"大众post-item\"大众)]')
跟contains()类似的字符串匹配的函数还有：
starts-with(string1, string2) 判断string1是否以string2开头ends-with(string1, string2) 判断string1是否以string2结尾matches(string, pattern) 通过正则表达式匹配然而，在lxml的xpath中利用ends-with(), matches() 会报错
In [232]: doc.xpath('//ul[ends-with(@id, \公众u\"大众)]')---------------------------------------------------------------------------XPathEvalError Traceback (most recent call last)<ipython-input-232-79a4afc46a75> in <module>()----> 1 doc.xpath('//ul[ends-with(@id, \"大众u\"大众)]')src/lxml/etree.pyx in lxml.etree._Element.xpath()src/lxml/xpath.pxi in lxml.etree.XPathElementEvaluator.__call__()src/lxml/xpath.pxi in lxml.etree._XPathEvaluatorBase._handle_result()XPathEvalError: Unregistered function
lxml 竟然不支持ends-with(), matches()函数
到lxml官方网站去看看，原来它说了只支持 XPath 1.0：
lxml supports XPath 1.0, XSLT 1.0 and the EXSLT extensions through libxml2 and libxslt in a standards compliant way.
接着又在Wikipedia上找到Xpath 2.0 和 1.0 的差异比拟，果真ends-with(), matches() 只属于2.0。下图中，粗体部分是1.0包含的，其它是2.0也有的：
好了，Xpath在网页内容提取中要用到的部分我们已经学完了。下一节，我们将以实例讲解xpath详细提取数据的过程。
