本文參考：https://www.runoob.com/xpath/xpath-tutorial.html
分析标準xml文檔可以使用SAX，DOM方法，但是針對Html文檔例如網站源檔案，因為格式不是完全标準的xml文檔，使用的SAX和DOM方法經常在導入的時候報格式錯誤。分析html文檔可以使用XPath
本文通過示例來分析XPath簡單應用
XPath是一門在XML文檔中查找資訊的語言。
在您繼續學習之前，應該對下面的知識有基本的了解：
HTML / XHTML
XML / XML Namespaces
XPath使用路徑表達式在XML文檔中進行導航
XPath包含一個标準函數庫
XPath是XSLT中的主要元素
XPtah是一個W3C标準
在XPath中，有七種類型的節點：元素，屬性，文檔，命名空間，注釋以及文檔（跟）節點。XML文檔是被作為節點樹來對待的。樹的跟被稱為文檔節點或者根節點。
請看下面這個XML文檔：
上面的XML文檔中的節點例子
是無父或無子的節點
基本值的例子
項目是基本值或者節點
每個元素以及屬性都有一個父
在下面的列子中，book 元素是 title、author、year 以及 price 元素的父：
元素節點可有零個、一個或多個子。
在下面的例子中，title、author、year 以及 price 元素都是 book 元素的子：
擁有相同的父的節點
在下面的例子中，title、author、year 以及 price 元素都是同胞：
某節點的父、父的父，等等。
在下面的例子中，title 元素的先輩是 book 元素和 bookstore 元素：
某個節點的子，子的子，等等。
在下面的例子中，bookstore 的後代是 book、title、author、year 以及 price 元素：
XPath 使用路徑表達式在 XML 文檔中選取節點。節點是通過沿着路徑或者 step 來選取的。 下面列出了最有用的路徑表達式：
<col>
表達式
描述
nodename
選取此節點的所有子節點。
/
從根節點選取（取子節點）。
//
從比對選擇的目前節點選擇文檔中的節點，而不考慮它們的位置（取子孫節點）。
.
選取目前節點。
..
選取目前節點的父節點。
@
選取屬性。
在下面的表格中，我們已列出了一些路徑表達式以及表達式的結果：
ookstore
選取 bookstore 元素的所有子節點。
/bookstore
選取根元素 bookstore。
注釋：假如路徑起始于正斜杠( / )，則此路徑始終代表到某元素的絕對路徑！
bookstore/book
選取屬于 bookstore 的子元素的所有 book 元素。
//book
選取所有 book 子元素，而不管它們在文檔中的位置。
bookstore//book
選擇屬于 bookstore 元素的後代的所有 book 元素，而不管它們位于 bookstore 之下的什麼位置。
//@lang
選取名為 lang 的所有屬性。
謂語用來查找某個特定的節點或者包含某個指定的值的節點。
謂語被嵌在方括号中。
在下面的表格中，我們列出了帶有謂語的一些路徑表達式，以及表達式的結果：
路徑表達式
結果
/bookstore/book[1]
選取屬于 bookstore 子元素的第一個 book 元素。
/bookstore/book[last()]
選取屬于 bookstore 子元素的最後一個 book 元素。
/bookstore/book[last()-1]
選取屬于 bookstore 子元素的倒數第二個 book 元素。
/bookstore/book[position()<3]
選取最前面的兩個屬于 bookstore 元素的子元素的 book 元素。
//title[@lang]
選取所有擁有名為 lang 的屬性的 title 元素。
//title[@lang='eng']
選取所有 title 元素，且這些元素擁有值為 eng 的 lang 屬性。
/bookstore/book[price>35.00]
選取 bookstore 元素的所有 book 元素，且其中的 price 元素的值須大于 35.00。
/bookstore/book[price>35.00]//title
選取 bookstore 元素中的 book 元素的所有 title 元素，且其中的 price 元素的值須大于 35.00。
XPath 通配符可用來選取未知的 XML 元素。
通配符
*
比對任何元素節點。
@*
比對任何屬性節點。
node()
比對任何類型的節點。
在下面的表格中，我們列出了一些路徑表達式，以及這些表達式的結果：
/bookstore/*
選取 bookstore 元素的所有子元素。
//*
選取文檔中的所有元素。
//title[@*]
選取所有帶有屬性的 title 元素。
通過在路徑表達式中使用"|"運算符，您可以選取若幹個路徑。
//book/title | //book/price
選取 book 元素的所有 title 和 price 元素。
//title | //price
選取文檔中的所有 title 和 price 元素。
/bookstore/book/title | //price
選取屬于 bookstore 元素的 book 元素的所有 title 元素，以及文檔中所有的 price 元素。
下面列出了可用在 XPath 表達式中的運算符：
運算符
執行個體
傳回值
|
計算兩個節點集
//book | //cd
傳回所有擁有 book 和 cd 元素的節點集
+
加法
6 + 4
10
-
減法
6 - 4
2
乘法
6 * 4
24
div
除法
8 div 4
=
等于
price=9.80
如果 price 是 9.80，則傳回 true。
如果 price 是 9.90，則傳回 false。
!=
不等于
price!=9.80
如果 price 是 9.90，則傳回 true。
如果 price 是 9.80，則傳回 false。
<
小于
price<9.80
如果 price 是 9.00，則傳回 true。
<=
小于或等于
price<=9.80
>
大于
price>9.80
>=
大于或等于
price>=9.80
如果 price 是 9.70，則傳回 false。
or
或
price=9.80 or price=9.70
如果 price 是 9.50，則傳回 false。
and
與
price>9.00 and price<9.90
如果 price 是 8.50，則傳回 false。
mod
計算除法的餘數
5 mod 2
1
下面通過一個執行個體來示範XPath的用法，把示範xml作為一個字元串放到一個python文檔裡面
books.xml
use_xpath.py
注意：本次把xml文檔作為字元串導入到python檔案，多行文檔使用''' ''' 且符号'''需要單獨占一行不能和文檔在同一行
以下語句導入子產品并且把文檔轉換成xpath可以分析的lxml.etree._Element對象
代碼解析
輸出如下，傳回一個list分别為本次查到的4個title節點，也是一個lxml.etree._Element對象，如果沒有比對到則傳回空list
傳回list隻有一個元素
本次找的的是下面這個title
輸出如下，傳回一個list值為幾本書的價格
即以下幾個值
即找一下對應屬性
以上分析xml為一個标準xml，如果是使用xpath分析html源碼原理也是一樣的，把擷取到的html網頁源碼使用etree.HTML(html)轉換成xpath可以分析的lxml.etree._Element對象然後再使用xpath分析即可。