XPath是用于在XML/HTML中精准定位节点的语法，核心为从根或某节点出发按层级或条件逐步查找；常用绝对路径（如/html/body/div[1]/p）、相对路径（如//div/p）及轴（child::、descendant::等）与谓语（如[@class='title']）组合实现灵活选取。
XPath 路径表达式是用来在 XML 或 HTML 文档中定位节点（元素、属性、文本等）的一套语法，核心是“从根或某节点出发，按层级或条件一步步找到目标”。用对了，就能精准提取数据；写错了，就容易匹配不到或选错范围。
基础路径写法：从根开始或相对定位
最常用的是绝对路径（以 / 开头）和相对路径（不以 / 开头）：
-
/html/body/div[1]/p：从文档根开始，逐层指定元素，定位第一个 下的
- //div/p：双斜杠表示“任意层级”，匹配所有
元素下的直接子- .//span[@class='title']：点开头表示“从当前节点开始查找”，常用于嵌套解析时避免重写全路径
常用节点选取方法：靠轴（axis）和谓语（predicate）
真正灵活的选取靠的是“轴”描述方向、“谓语”加筛选条件：
-
child::（可省略）：找直接子节点，如
div/child::a等价于div/a -
descendant::（常用
//替代）：找所有后代，不限层级，如//ul/descendant::li -
following-sibling::：找后面同级的兄弟节点，如
h2/following-sibling::p[1]取紧接在后的第一个段落 - 谓语写在方括号里，支持属性、位置、文本内容判断：
//input[@type='submit']、//li[3]、//a[text()='登录']
实用技巧：处理常见难点
实际用 XPath 抓网页或解析 XML 时，几个易错点要留意：
- HTML 中的命名空间（如 SVG、XHTML）可能让
//div失效，需先声明或用通配符*/div - 属性值含空格或动态 ID，别硬写完整值，改用包含匹配：
//div[contains(@class, 'btn-primary')] - 文本内容有换行缩进？用
normalize-space()清理：//p[normalize-space(text())='立即购买'] - 多个条件组合用
and或or：//button[@type='submit' and contains(@class,'save')]
基本上就这些。XPath 不复杂但容易忽略细节，多练几个真实 HTML 片段，比如找表格第二列、带 data-id 的按钮、或者某个 div 里最后一个非空段落，手感就上来了。
- //div/p：双斜杠表示“任意层级”，匹配所有
