not()函数用于反转XPath表达式的布尔结果，常用于筛选不满足特定条件的节点。其基本形式为not(expression)，可否定属性存在、属性值、文本内容或子元素存在性。常见用法包括//div[not(@class)]选择无class属性的div，//a[not(@target='_blank')]排除target为_blank的链接。误区包括混淆not()作用范围，如not(//div[@class='active'])返回布尔值而非节点集，正确写法应为//div[not(@class='active')]。not()可与and、or结合使用，遵循德摩根定律，如//div[not(@id) and not(@class)]等价于//div[not(@id or @class)]。性能上，not()本身开销小，但内部复杂表达式可能影响效率，建议避免全局搜索，优先在谓词内使用以提高效率。
XPath的
not()函数，说白了，就是用来否定一个表达式的结果。它会把一个原本为真的条件变成假，把假的变成真。你把它想象成一个“非”门，输入是真，输出就是假；输入是假，输出就是真。这在我们需要选择那些“不符合”某个条件的元素时，简直是神器。
解决方案
要否定一个XPath表达式，你只需要将该表达式作为
not()函数的参数。它的基本形式是
not(expression)。这个
expression可以是任何能产生布尔值（真或假）的XPath表达式。
举几个例子，你就能立刻明白它的威力了：
-
否定一个简单的布尔值：
not(true())
结果是false
，not(false())
结果是true
。这看起来有点傻，但理解其核心逻辑很重要。 -
否定元素的存在性： 比如你想找那些没有
class
属性的div
元素，你可以写成//div[not(@class)]
。这里，@class
如果存在，在布尔上下文中就是真，not()
一否定就变假，所以这个div
不会被选中。如果@class
不存在，就是假，not()
一否定就变真，这个div
就会被选中。 -
否定属性值： 如果你想找所有
标签，但排除掉那些
target
属性是_blank
的，你可以用//a[not(@target='_blank')]
。这会选中所有target
属性不等于_blank
的，包括那些根本没有
target
属性的。
-
否定文本内容： 假设你有一堆
p
标签，你想找出那些不包含“重要”这个词的段落，就可以写//p[not(contains(text(), '重要'))]
。 -
否定子元素的存在： 如果你想找那些没有
span
子元素的div
，可以写//div[not(./span)]
。注意这里的./span
，它表示当前div
的直接子元素span
。
not()函数非常灵活，它可以嵌套在更复杂的表达式中，或者与其他逻辑运算符（如
and、
or）结合使用，来实现更精细的筛选。
XPath中not()函数的基本用法与常见误区是什么？
说实话，
not()函数用起来简单，但要真正理解它的“哲学”，避免踩坑，还是得掰扯掰扯。
基本用法：
正如前面提到的，
not()的核心就是“反转”逻辑。它最常见的应用场景就是作为谓词（
[]）的一部分，用来过滤节点集。
- 过滤不符合特定条件的节点：
常见误区：
这里有些坑，我个人就掉过好几次，后来才慢慢琢磨明白：
-
误区一：对空节点集的理解。 当一个XPath表达式的结果是空节点集时，在布尔上下文中它会被转换为
false
。非空节点集则转换为true
。- 比如
//div[not(./span)]
：如果当前div
下有span
，./span
就是非空节点集，转换为true
，not(true)
就是false
，这个div
不被选中。如果当前div
下没有span
，./span
就是空节点集，转换为false
，not(false)
就是true
，这个div
被选中。这符合预期。 - 但如果你写
not(//div[@class='active'])
，这通常不是你想要的效果。这个表达式会检查整个文档中是否存在任何一个class
为active
的div
。如果存在，整个表达式就是false
。如果一个都没有，整个表达式就是true
。它返回的是一个单一的布尔值，而不是一个节点集。你大概率是想选择那些class
不是active
的div
，那应该是//div[not(@class='active')]
。
- 比如
-
误区二：
not()
的位置和作用域。not()
放在谓词内部，是针对当前节点进行判断；放在整个表达式外面，是针对整个表达式的结果进行判断。//div[not(@class='active')]
：选择所有class
属性不等于active
的div
。not(//div[@class='active'])
：判断文档中是否存在class
为active
的div
，并返回其相反的布尔值。这是个全局性的判断。
-
误区三：与
and
/or
的结合（德摩根定律）。 有时候我们想否定一个复合条件，比如“既不是A也不是B”。not(conditionA and conditionB)
等价于not(conditionA) or not(conditionB)
。not(conditionA or conditionB)
等价于not(conditionA) and not(conditionB)
。 理解这一点能帮助你写出更清晰、更符合逻辑的XPath。例如，你想找既没有id
属性也没有class
属性的div
：//div[not(@id) and not(@class)]
或者等价的//div[not(@id or @class)]
。我个人更倾向于前者，感觉逻辑更直观一些。
如何利用not()函数选择不包含特定属性或子元素的节点？
这几乎是
not()函数最经典的用途了，也是日常工作中非常高频的场景。
选择不包含特定属性的节点：
没有某个特定属性的节点： 如果你想找到页面上所有没有
id
属性的div
元素，可以这样写：//div[not(@id)]
这里的@id
如果存在，就会被视为真，not()
一否定就变假，该div
不被选中。如果@id
不存在，就是假，not()
一否定就变真，该div
就被选中。这非常简洁高效。某个属性的值不符合预期： 假设你有一堆链接，但你只想选择那些
href
属性不以#
开头的（排除锚点链接）：//a[not(starts-with(@href, '#'))]
或者你想找所有img
标签，但排除掉那些alt
属性为空字符串的（通常意味着图片描述缺失）：//img[not(@alt='')]
选择不包含特定子元素的节点：
没有某个直接子元素的节点： 你可能想找到所有没有
子元素的
：//div[not(./span)]
这里的./span
表示查找当前div
的直接子元素span
。如果找到了，not()
就让当前div
不被选中；如果没找到，就选中它。没有某个特定类型的后代元素的节点： 如果你想找到所有
- 列表，但排除掉那些内部任何地方（不一定是直接子元素）包含
class
为selected
的- 的
- ：
//ul[not(.//li[@class='selected'])]
这里的.//li
表示查找当前ul
下的任意层级的li
元素。不包含特定文本内容的节点： 比如你有一堆
div
，你想找到那些内部文本不包含“广告”字样的div
：//div[not(contains(text(), '广告'))]
或者更精确一点，不包含“免费”或“优惠”：//div[not(contains(text(), '免费') or contains(text(), '优惠'))]
这些都是非常实用的场景，
not()
函数在这里发挥了它筛选“反向条件”的巨大作用。not()函数在复杂XPath表达式中的应用场景与性能考量
在更复杂的XPath表达式里，
not()
函数就像一块乐高积木，可以灵活地嵌入，实现非常精细的筛选逻辑。但同时，我们也得稍微琢磨下它的性能，虽然在绝大多数Web抓取场景下，这点性能差异可能微不足道。复杂应用场景：
组合否定条件： 我们经常需要同时满足多个否定条件。比如，我想找一个
div
，它既没有id
属性，class
也不是hidden
：//div[not(@id) and not(@class='hidden')]
或者，你也可以利用德摩根定律，写成：//div[not(@id or @class='hidden')]
这两种写法在逻辑上是等价的，具体用哪个，看你个人觉得哪个更清晰。我个人偏好第一个，感觉更直观。-
否定函数结果：
not()
可以否定其他函数的返回结果。- 找那些文本内容不为空的
p
标签：//p[not(normalize-space(text()) = '')]
这里normalize-space()
会移除文本前后的空白字符，并将内部连续空白替换为单个空格。not()
再判断结果是否为空。 - 找那些子元素数量不等于5的
ul
：//ul[not(count(./li) = 5)]
这等价于//ul[count(./li) != 5]
，但用not()
有时候能让逻辑更统一。
- 找那些文本内容不为空的
结合位置谓词： 比如，选择一个
ul
中，除了第一个li
之外的所有li
：//ul/li[not(position() = 1)]
这等价于//ul/li[position() > 1]
或//ul/li[not(self::li[1])]
。
性能考量：
说实话，谈性能在XPath层面，很多时候有点“玄学”，因为实际的解析器实现、文档大小、以及你所使用的库或工具的优化程度都会有影响。但总的原则是，让你的表达式越具体越好，减少引擎的遍历范围。
-
not()
本身通常不会成为性能瓶颈。 它只是一个逻辑操作符。真正的性能开销通常来自于它内部的表达式，尤其是当这个表达式需要遍历大量节点或者执行复杂计算时。 -
避免不必要的全局搜索：
如果你写
not(//div[@class='active'])
，XPath引擎可能需要遍历整个文档来确定是否存在这样的div
。如果你的目标是过滤一个已知的节点集，把not()
放在谓词里通常更高效。 例如，你已经定位到了一组div
，现在想从这组div
中筛选出没有特定属性的，那么//div[not(@attribute)]
肯定比先获取所有div
再在外部做not()
判断要好。 -
复杂表达式的优化：
当
not()
内部的表达式非常复杂时，性能可能会受影响。比如not(contains(concat(@id, @name, text()), 'keyword'))
这种，因为它需要拼接字符串再进行搜索。 在某些极端情况下，如果性能真的成了问题，你可能需要考虑是否能用其他XPath函数或者在代码层面（比如Python的BeautifulSoup或lxml）进行后处理来达到同样的效果。但对于大多数Web抓取任务来说，不必过度担心not()
的性能，它的简洁和表达力带来的效率提升往往远超那点微小的计算开销。
最终，掌握
not()
的关键在于理解它如何将“真”变为“假”，以及它在不同上下文（特别是谓词中）的作用。多写多练，自然就熟了。相关文章
Python Pandas如何将DataFrame导出为指定XML
XML序列化是什么 如何将对象转换为XML字符串
Python怎么比较两个XML文件是否在逻辑上相等
如何对XML映射逻辑进行单元测试
在上传的XML文件中查找和替换内容 Java/Python脚本
相关标签:
本站声明：本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系admin@php.cn
更多热门AI工具
