XPath 概述

本章定位 ：理解 XPath 在 XML 技术栈中的位置——它是 XML 的"查询语言"，是 XSLT、XQuery 和 Schema 验证的基础。掌握 XPath 的七种节点类型和数据模型。

定义与作用

XPath （XML Path Language）是一种在 XML 文档中 定位节点 的表达语言。如果 XML 文档是一棵树，XPath 就是在这棵树上走路的地图坐标。

XPath 是 XSLT 和 XQuery 的底层基础：

• XSLT 用 XPath 选择要转换的节点
• XQuery 用 XPath 定位要查询的数据
• XSD 用 XPath 的受限形式（XPath 2.0 子集）实现 identity constraints

XPath 本身不操作节点，只返回节点集的 引用——具体操作由上层语言（XSLT/XQuery/DOM API）完成。

核心原理：XPath 在 XML 技术栈的位置

图解释 ：XPath 是 XML 技术栈的中间层。它不操作数据，只负责"找到"——找到后，XSLT 负责转换、XQuery 负责查询、DOM API 负责修改。这种关注点分离使每个工具职责单一。

语法/结构要点

XPath 七种节点类型

路径表达式 vs 文件系统路径

完整示例：小崔用 XPath 快速排查 XML 数据

场景说明

飞翔科技的后端 小崔 面对一个 5000 行的学生数据 XML，需要快速找出"所有计算机科学专业的、成绩为 A+ 的学生"。如果用 DOM 遍历写代码需要几十行，用 XPath 一行搞定。

XML 数据

<?xml version="1.0" encoding="UTF-8"?>
<university>
  <student id="S001" major="计算机科学">
    <name>小崔</name>
    <courses>
      <course code="CS301" grade="A+">XML技术</course>
      <course code="CS402" grade="B+">Java高级</course>
    </courses>
  </student>
  <student id="S002" major="软件工程">
    <name>黄俪</name>
    <courses>
      <course code="CS301" grade="A+">XML技术</course>
    </courses>
  </student>
  <student id="S003" major="计算机科学">
    <name>白歌</name>
    <courses>
      <course code="CS402" grade="A">Java高级</course>
    </courses>
  </student>
</university>

用 XPath 查询

from lxml import etree

tree = etree.parse("students.xml")

# 查询1：所有计算机科学专业的学生姓名
names = tree.xpath("//student[@major='计算机科学']/name/text()")
print(f"计算机科学专业学生: {names}")
# → ['小崔', '白歌']

# 查询2：所有成绩为 A+ 的课程
aplus = tree.xpath("//course[@grade='A+']/text()")
print(f"成绩 A+ 的课程: {aplus}")
# → ['XML技术', 'XML技术']

# 查询3：同时满足两个条件
result = tree.xpath(
    "//student[@major='计算机科学']/courses/course[@grade='A+']/text()"
)
print(f"计算机科学 A+ 课程: {result}")
# → ['XML技术']

操作结果

查询 3 只返回了"小崔的 XML 技术"——因为白歌虽然是计算机科学专业，但没有 A+ 成绩。XPath 一行表达式完成了原本需要嵌套循环+条件判断的逻辑。

易错场景

错误一：混淆根节点（/）和根元素

• / 是文档根节点（document node），它是所有内容的父节点
• /bookstore 是根元素（root element），它是 XML 文档最外层的元素
• /bookstore/book 选择 bookstore 的直接子 book 元素
• //book 选择文档中任意位置的 book 元素

错误二：文本节点含空白

<name>
  小崔
</name>

//name/text() 返回的是 "\n 小崔\n"（含换行和缩进空白），需要用 normalize-space() 函数去除。

面试考点