XPath (Bahasa Path XML) adalah bahasa ekspresi W3C untuk mengalamatkan dan memilih bahagian dokumen XML, dan ia juga boleh menavigasi HTML. Ciri utamanya adalah ekspresi laluan, seperti //a/@href, yang berjalan melalui pokok dokumen untuk mencapai elemen, atribut atau teks. Alat pengikisan seperti Scrapy menyokong XPath untuk menarik data dari halaman yang dimuat turun.
Versi semasa, XPath 3.1, menjadi Cadangan W3C pada 21 Mac 2017. Ia berfungsi pada XML dan, dalam versi ini, data JSON.
Asas Sintaks XPath
- Laluan:
//titlememilih setiap elementitledi mana sahaja dalam dokumen. - Teks:
//title/text()mengembalikan teks di dalam elemen tersebut. - Atribut:
@memilih atribut, jadi//a/@hrefmengembalikan sasaran pautan. - Predikat: Kepingan persegi menapis hasil, jadi
//div[@class="price"]hanya menyimpan elemendivdengan kelas itu.
XPath dalam Pengikisan Web
Pemilih Scrapy menerima kedua-dua XPath dan CSS, dan Scrapy menterjemahkan pertanyaan CSS ke dalam XPath secara dalaman menggunakan perpustakaan cssselect. Pemilihnya menggunakan perpustakaan lxml di bawahnya. Dalam pelayar, XPath boleh menavigasi DOM dokumen HTML dan SVG melalui antaramuka XPathExpression, sebagai alternatif kepada kaedah seperti querySelectorAll().
Fungsi XPath dan XSLT
XPath direka untuk disematkan dalam bahasa hos seperti XSLT. W3C mendefinisikan satu perpustakaan fungsi, dalam ruang nama fn, untuk XPath, XQuery dan XSLT. Fungsi yang berguna dalam pengikisan termasuk:
contains()danstarts-with(): Padanan substring.normalize-space()danstring-length(): Bekerja pada nilai string.count(): Mengira item.
Sebagai contoh, //a[contains(@href, "product")] hanya menyimpan pautan yang URL-nya mengandungi "produk".