XPath 与选择器进阶
前置知识
本文基于模型知识整理，建议核对官方文档（见 参考资料）。
一句话定义
XPath 是以路径表达式在 XML/HTML 树上定位节点的语言，具备条件过滤、函数计算与轴导航能力，是 CSS 选择器覆盖不了复杂场景时的进阶武器。
为什么重要
「取『价格』文本里含 ¥ 的那个元素」「按 class 前缀匹配」「向上找父容器再取兄弟字段」——这些 CSS 选择器做不到或很别扭的操作，XPath 一句搞定。Scrapy 的解析器 parsel 同时支持两者，XPath 是框架时代的通用语。
前置知识
kp-003、kp-007。
核心概念
- 路径轴：
//（任意后代）、/（直接子级）、..（父级）、following-sibling/preceding-sibling。 - 谓词：
[n]（第 n 个，从 1 开始）、[@attr='v']、[last()]。 - 常用函数：
contains()、starts-with()、text()、normalize-space()。 - parsel：Scrapy 团队的独立选择器库，
.css()与.xpath()可混用接力。
原理与机制
表达式速查与 CSS 对照：
//article[@class="product_pod"] ≙ article.product_pod 单元定位
//article//h3/a/@title ≙ article h3 a 取属性
//p[contains(@class,"price")] ≙ p[class*="price"] 模糊匹配
//div[.//span[@class="stock"]] ≙（CSS 难以表达） 按子孙条件筛容器
//h2/../ul/li[1] ≙（CSS 无法向上） 向上取兄弟parsel 接力（提取函数返回 SelectorList，可继续 .xpath()/.css()）：
from parsel import Selector
sel = Selector(html=html)
for pod in sel.xpath('//article[@class="product_pod"]'):
title = pod.xpath('.//h3/a/@title').get() # 相对路径必须以 . 开头
price = pod.xpath('.//p[contains(@class,"price")]/text()').get()
print(title, price)高频坑：相对定位忘写 .。 pod.xpath('//h3/a') 里的 // 是从全文根开始找，会重复命中全页所有节点；单元内必须写 .//h3/a。
实例或案例
某列表页价格元素 class 是动态哈希（price_3f2a）：CSS 的 [class*="price"] 可用但易误伤（reprice_x 也命中）；XPath 的 //span[starts-with(@class,"price_")] 更精准。经验法则：前缀匹配用 starts-with，包含匹配再考虑 contains。
常见误区
- 误区一：把
[1]当成从 0 开始。 XPath 下标从 1 开始；//li[1]是每个父节点下的第一个 li，不是全文档第一个（全文档第一是(//li)[1]）。 - 误区二：
text()总返回单值。 它返回节点列表，常因标签内有换行出现多个值；规范做法是normalize-space()或取.get()。 - 误区三：能用 CSS 就别学 XPath。 反之：复杂条件与向上导航只有 XPath 能表达，值得投入。
自测题
.//a与//a在循环体内的区别？
答：.//a 在当前节点内相对查找；//a 从文档根全局查找，循环里会重复命中。
- 如何定位「包含 class 含 stock 的子孙 span 的 div」？
答：//div[.//span[contains(@class,"stock")]]。
- XPath 谓词下标从几开始？
//li[1]与(//li)[1]差异？
答：从 1 开始；前者是每个父容器各自的第一个 li，后者是全文档第一个 li 节点。
与其他知识点的关系
kp-018 的 Scrapy Spider 内部用的就是 parsel；kp-012 渲染后的 DOM 同样可用 XPath 定位。
延伸阅读
MDN「XPath:Introduction」；parsel 官方文档（含 CSS/XPath 混用示例）。