XPath的matches()函数支持正则表达式吗？

是的，XPath的matches()函数支持正则表达式，这是XPath 2.0及以上版本引入的功能，用于实现比contains()更灵活的模式匹配。其语法为matches(input-string, pattern, flags?)，可选标志包括i（不区分大小写）、m（多行模式）等。例如//div[matches(., '\d+')]可匹配包含数字的div元素。但需注意，该函数在XPath 1.0环境中不被支持，常见于老旧解析器或某些编程库，默认可能仅支持XPath 1.0，导致表达式失效。实际应用中可用于提取电话号码、邮政编码等特定格式数据，或按模式筛选元素如//*/@id[matches(., '^product-\d+')], 但也存在性能开销、学习曲线陡峭和可读性差等局限。因此使用时需权衡环境兼容性与表达式复杂度。

是的，XPath的

matches()

contains()

starts-with()

解决方案

matches()

matches(input-string, pattern, flags?)

• input-string

  ：这是你要进行匹配的源字符串，通常是某个元素的文本内容或者属性值。

• pattern

  ：这就是你提供的正则表达式。它定义了你想要匹配的字符串模式。

• flags

  (可选)：这是一个字符串，用于修改正则表达式的匹配行为，比如是否区分大小写、是否多行匹配等。常见的标志包括：

  • i

    ：不区分大小写匹配（case-insensitive）。

  • m

    ：多行模式（multi-line mode），使

    ^

    和

    $

    匹配行的开头和结尾，而不仅仅是整个字符串的开头和结尾。

  • x

    ：扩展模式（extended mode），忽略模式中的空白字符和

    #

    后面的注释。

  • s

    ：单行模式（single-line mode），使

    .

    匹配任何字符，包括换行符。

举个例子，如果你想找到所有包含数字的

//div[matches(., '\d+')]

这比你用

contains()

0

9

matches()

函数与XPath版本兼容性：为何我的XPath表达式不起作用？

这确实是很多初学者会遇到的一个“坑”。你满怀信心地写了一个漂亮的

matches()

XPath 1.0是一个非常成熟且广泛使用的标准，但它确实缺乏很多现代的字符串处理能力，包括正则表达式。

matches()

matches()

lxml

我个人就曾因为这个问题卡了很久，后来才发现是环境的XPath版本不对。所以，当你发现

matches()

re

pattern

掌握

matches()

函数的正则表达式语法与常用技巧

既然

matches()

matches()

[置顶]Android中的JSON详细总结 中文WORD版

JSON(JavaScript Object Notation) 定义：一种轻量级的数据交换格式，具有良好的可读和便于快速编写的特性。业内主流技术为其提供了完整的解决方案（有点类似于正则表达式，获得了当今大部分语言的支持），从而可以在不同平台间进行数据交换。JSON采用兼容性很高的文本格式，同时也具备类似于C语言体系的行为。有需要的朋友可以下载看看

下载

常用元字符和量词：

• .

  ：匹配除换行符外的任意单个字符。

• *

  ：匹配前一个字符零次或多次。

• +

  ：匹配前一个字符一次或多次。

• ?

  ：匹配前一个字符零次或一次。

• []

  ：字符集，匹配方括号内的任意一个字符。例如

  [0-9]

  匹配任意数字。

• |

  ：逻辑或，匹配

  |

  左边或右边的模式。

• ()

  ：分组，用于捕获匹配内容或改变优先级。

• ^

  ：匹配字符串的开始。

• $

  ：匹配字符串的结束。

• \d

  ：匹配任意数字（等同于

  [0-9]

  ）。

• \w

  ：匹配任意字母、数字或下划线。

• \s

  ：匹配任意空白字符（空格、制表符、换行符等）。

标志（flags）的应用： 比如，我想从一段文本中找出所有以“ID-”开头，后面跟着数字的字符串，并且不区分大小写：

matches(., 'id-\d+', 'i')

'i'

再比如，处理多行文本时，如果想让

^

$

'm'

matches(., '^Error.*$', 'm')

一个常见的技巧是，如果你需要匹配正则表达式中的特殊字符（如

.

*

+

?

\

(

)

[

]

{

}

^

$

|

\

\.

matches()

函数在实际网页抓取或XML处理中的应用场景与局限

在实际的网页抓取或XML文档处理中，

matches()

应用场景：

1. 精确提取特定格式的数据：比如从一个混杂的文本节点中提取出电话号码（

   \d{3}-\d{4}-\d{4}

   ）、邮政编码（

   \d{6}

   ）、日期（

   \d{4}-\d{2}-\d{2}

   ）等。这比你用

   substring()

   、

   substring-before()

   等函数组合起来要简洁高效得多。

   //span[matches(., '^\d{3}-\d{4}-\d{4}$')]

2. 根据模式筛选元素：有时元素的

   class

   属性或

   id

   属性并不完全固定，而是遵循某种命名模式。例如，所有以“product-”开头的ID：

   //*[@id[matches(., '^product-\d+')]]

3. 验证数据格式：在处理用户输入或外部数据时，可以用

   matches()

   来验证某个文本节点或属性值是否符合预期的格式。
4. 复杂文本内容的定位：当文本内容中包含多个关键词，且它们之间的顺序或间隔不确定时，正则表达式的灵活性就能体现出来。

局限性：

1. 性能开销：正则表达式匹配通常比简单的字符串比较（如

   contains()

   ）更耗费资源。对于非常大的XML文档或在性能敏感的场景下，过度复杂的正则表达式可能会影响效率。当然，对于大多数网页抓取任务，这通常不是瓶颈。
2. 学习曲线：正则表达式本身就有一定的学习曲线，编写和调试复杂的正则模式可能会比较困难，尤其是对于不熟悉正则的人来说。一个写得不好的正则可能会匹配到意料之外的内容，或者根本不匹配。
3. 可读性：复杂的正则表达式可能会降低XPath表达式的可读性，使得后续维护变得困难。有时候，简单的

   contains()

   组合反而更清晰。
4. 版本依赖：前面提到的XPath 1.0环境不支持问题，仍然是它最大的局限之一。你不能指望所有XPath环境都支持它。

总的来说，

matches()