时间:2021-07-01 10:21:17 帮助过:20人阅读
http://www.cnblogs.com/ 为例"//a/@href";"//div[@id='paging_block']/div/a[text()='Next >']/@href";"//div[@id='paging_block']/div/a[text()*='Next']/@href";"//h1/text()";"//h1/allText()";"//h1//text()";"//div/a";"//div[@id='post_list']/div[position()<3]/div/h3/allText()";"//div[@id='post_list']/div[first()]/div/h3/allText()";"//div[@id='post_list']/div[1]/div/h3/allText()";"//div[@id='post_list']/div[last()]/div/h3/allText()";//查找评论大于1000的条目(当然只是为了演示复杂xpath了,谓语中可以各种嵌套,这样才能测试的更全面嘛)"//div[@id='post_list']/div[./div/div/span[@class='article_view']/a/num()>1000]/div/h3/allText()";//轴支持"//div[@id='post_list']/div[self::div/div/div/span[@class='article_view']/a/num()>1000]/div/h3/allText()";"//div[@id='post_list']/div[2]/div/p/preceding-sibling::h3/allText()";"//div[@id='post_list']/div[2]/div/p/preceding-sibling::h3/allText()|//div[@id='post_list']/div[1]/div/h3/allText()";
在这里暂不列出框架间的对比了,但我相信,你们用了会发现JsoupXpath就是目前市面上最强大的的Xpath解析器。
如果不方便使用maven,可以直接使用lib下的依赖包跑起来试试,如方便可直接使用如下dependency(已经上传至中央maven库,最新版本0.1.1):
cn.wanghaomiao JsoupXpath0.1.1
依赖配置好后,就可以使用如下例子进行体验了!
String xpath="//div[@id='post_list']/div[./div/div/span[@class='article_view']/a/num()>1000]/div/h3/allText()";String doc = "...";JXDocument jxDocument = new JXDocument(doc);List
其他可以参考 cn.wanghaomiao.example包下的例子
支持标准xpath语法(支持谓语嵌套),支持全部常用函数,支持全部常用轴,去掉了一些标准里面华而不实的函数和轴,下面会具体介绍。语法可以参考http://www.w3school.com.cn/xpath/index.asp
非常不建议直接粘贴Firefox或chrome里生成的Xpath,这些浏览器在渲染页面会根据标准自动补全一些标签,如table标签会自动加上tbody标签,这样生成的Xpath路径显然不是最通用的,所以很可能就取不到值。所以,要使用Xpath并感受Xpath的强大以及他所带来便捷与优雅最好就是学习下Xpath的标准语法,这样应对各种问题才能游刃有余,享受Xpath的真正威力!
函数
text() 提取节点的自有文本
node() 提取所有节点
position() 返回当前节点所处在同胞中的位置
last() 返回同级节点中的最后那个节点
first() 返回同级节点中的第一个节点
allText()提取节点下全部文本,取代类似 //div/h3//text()这种递归取文本用法
html()获取全部节点的内部的html
outerHtml()获取全部节点的 包含节点本身在内的全部html
num()抽取节点自有文本中全部数字,如果知道节点的自有文本(即非子代节点所包含的文本)中只存在一个数字,如阅读数,评论数,价格等那么直接可以直接提取此数字出来。如果有多个数字将提取第一个匹配的连续数字。
contains(arga,argb)这个函数暂时不支持,因为JsoupXpath拥有强大的运算符支持,完全可以取代它!如,可以用*=取代contains() 例://div[text()*='next']
self 节点自身
parent 父节点
child 直接子节点
ancestor 全部祖先节点 父亲,爷爷 , 爷爷的父亲...
ancestor-or-self全部祖先节点和自身节点
descendant 全部子代节点 儿子,孙子,孙子的儿子...
descendant-or-self 全部子代节点和自身
preceding-sibling 节点前面的全部同胞节点
following-sibling 节点后面的全部同胞节点
preceding-sibling-one 前一个同胞节点(扩展)
following-sibling-one 返回下一个同胞节点(扩展) 语法
sibling 全部同胞(扩展)
这些操作符可谓足够强大,满足几乎你所有的需求。
返回两个节点集的并集
a+b 加 返回数值结果
a-b 减 返回数值结果
a=b 判断是否相等返回Boolean
a!=b 不等于 返回Boolean
a>b 大于 返回Boolean
a>=b 大于等于 返回Boolean
a
a<=b 小于等于 返回Boolean
a^=b 字符串a是否以字符串b开头 a startwith b 返回Boolean
a*=b a是否包含b, a contains b 返回Boolean
a$=b a是否以b结尾 a endwith b 返回Boolean
a~=b a的内容是否符合 正则表达式b 返回Boolean
基本这些足够了,其他鸡肋的暂时不支持,如有特殊需求请联系我。项目地址:GitHub/Jsoupxpath
项目主页:http://www.open-open.com/lib/view/home/1445699703570