XPath (XML पथ भाषा) एक W3C अभिव्यक्ति भाषा है जो XML दस्तावेज़ के भागों को संबोधित और चुनने के लिए है, और यह HTML को भी नेविगेट कर सकती है। इसकी विशेषता पथ अभिव्यक्ति है, जैसे कि //a/@href, जो दस्तावेज़ वृक्ष को चलाकर तत्वों, विशेषताओं या पाठ तक पहुँचती है। स्क्रैपिंग उपकरण जैसे Scrapy डेटा को डाउनलोड की गई पृष्ठों से निकालने के लिए XPath का समर्थन करते हैं।

वर्तमान संस्करण, XPath 3.1, 21 मार्च 2017 को W3C अनुशंसा बन गया। यह XML पर काम करता है और, इस संस्करण में, JSON डेटा पर भी।

XPath सिंटैक्स मूल बातें

  • पथ: //title दस्तावेज़ में कहीं भी हर title तत्व का चयन करता है।
  • पाठ: //title/text() उन तत्वों के अंदर का पाठ लौटाता है।
  • विशेषताएँ: @ एक विशेषता का चयन करता है, इसलिए //a/@href लिंक लक्ष्यों को लौटाता है।
  • पूर्वधारणा: वर्गाकार ब्रैकेट परिणामों को फ़िल्टर करते हैं, इसलिए //div[@class="price"] केवल div तत्वों को रखता है जिनमें वह वर्ग है।

वेब स्क्रैपिंग में XPath

Scrapy चयनकर्ता XPath और CSS दोनों को स्वीकार करते हैं, और Scrapy आंतरिक रूप से cssselect पुस्तकालय का उपयोग करके CSS प्रश्नों को XPath में अनुवाद करता है। इसके चयनकर्ता lxml पुस्तकालय का उपयोग करते हैं। ब्राउज़रों में, XPath HTML और SVG दस्तावेज़ों के DOM को XPathExpression इंटरफ़ेस के माध्यम से नेविगेट कर सकता है, जैसे कि querySelectorAll() जैसी विधियों के विकल्प के रूप में।

XPath कार्य और XSLT

XPath को XSLT जैसे होस्ट भाषा में एम्बेड करने के लिए डिज़ाइन किया गया है। W3C एक कार्य पुस्तकालय को fn नामस्थान में परिभाषित करता है, XPath, XQuery और XSLT के लिए। स्क्रैपिंग में उपयोगी कार्यों में शामिल हैं:

  • contains() और starts-with(): उपस्ट्रिंग मिलान।
  • normalize-space() और string-length(): स्ट्रिंग मानों पर कार्य करते हैं।
  • count(): आइटम की गिनती करता है।

उदाहरण के लिए, //a[contains(@href, "product")] केवल उन लिंक को रखता है जिनका URL "product" शामिल है।

संबंधित शर्तें