XPath (Bahasa Jalur XML) adalah bahasa ekspresi W3C untuk mengalamatkan dan memilih bagian dari dokumen XML, dan juga dapat menavigasi HTML. Fitur utamanya adalah ekspresi jalur, seperti //a/@href, yang menjelajahi pohon dokumen untuk mencapai elemen, atribut, atau teks. Alat pengambilan data seperti Scrapy mendukung XPath untuk menarik data dari halaman yang diunduh.

Versi saat ini, XPath 3.1, menjadi Rekomendasi W3C pada 21 Maret 2017. Ini bekerja pada XML dan, dalam versi ini, data JSON.

Dasar Sintaks XPath

  • Jalur: //title memilih setiap elemen title di mana saja dalam dokumen.
  • Teks: //title/text() mengembalikan teks di dalam elemen tersebut.
  • Atribut: @ memilih atribut, sehingga //a/@href mengembalikan target tautan.
  • Predikat: Bracket persegi menyaring hasil, sehingga //div[@class="price"] hanya menyimpan elemen div dengan kelas tersebut.

XPath dalam Pengambilan Data Web

Pemilih Scrapy menerima baik XPath maupun CSS, dan Scrapy menerjemahkan kueri CSS menjadi XPath secara internal menggunakan pustaka cssselect. Pemilihnya menggunakan pustaka lxml di belakang layar. Di browser, XPath dapat menavigasi DOM dokumen HTML dan SVG melalui antarmuka XPathExpression, sebagai alternatif untuk metode seperti querySelectorAll().

Fungsi XPath dan XSLT

XPath dirancang untuk disematkan dalam bahasa host seperti XSLT. W3C mendefinisikan satu pustaka fungsi, dalam namespace fn, untuk XPath, XQuery, dan XSLT. Fungsi yang berguna dalam pengambilan data termasuk:

  • contains() dan starts-with(): Pencocokan substring.
  • normalize-space() dan string-length(): Bekerja pada nilai string.
  • count(): Menghitung item.

Sebagai contoh, //a[contains(@href, "product")] hanya menyimpan tautan yang URL-nya mengandung "produk".

Istilah Terkait