XPath (XML Path Language) ایک W3C اظہار زبان ہے جو XML دستاویز کے حصوں کو نشانہ بنانے اور منتخب کرنے کے لیے استعمال ہوتی ہے، اور یہ HTML میں بھی نیویگیٹ کر سکتی ہے۔ اس کی خاص خصوصیت راستے کا اظہار ہے، جیسے //a/@href، جو دستاویز کے درخت کو چلتا ہے تاکہ عناصر، خصوصیات یا متن تک پہنچ سکے۔ اسکریپنگ کے ٹولز جیسے Scrapy، ڈاؤن لوڈ کردہ صفحات سے ڈیٹا نکالنے کے لیے XPath کی حمایت کرتے ہیں۔
موجودہ ورژن، XPath 3.1، 21 مارچ 2017 کو W3C کی سفارش بن گیا۔ یہ XML پر کام کرتا ہے اور، اس ورژن میں، JSON ڈیٹا پر بھی۔
XPath کی بنیادی نحو
- راستہ:
//titleدستاویز میں کہیں بھی ہرtitleعنصر کو منتخب کرتا ہے۔ - متن:
//title/text()ان عناصر کے اندر موجود متن کو واپس کرتا ہے۔ - خصوصیات:
@ایک خصوصیت کو منتخب کرتا ہے، لہذا//a/@hrefلنک کے ہدف کو واپس کرتا ہے۔ - مفروضے: مربع بریکٹ نتائج کو فلٹر کرتے ہیں، لہذا
//div[@class="price"]صرفdivعناصر کو رکھتا ہے جن میں یہ کلاس ہے۔
ویب اسکریپنگ میں XPath
Scrapy کے سلیکٹرز XPath اور CSS دونوں کو قبول کرتے ہیں، اور Scrapy اندرونی طور پر cssselect لائبریری کا استعمال کرتے ہوئے CSS کو XPath میں ترجمہ کرتا ہے۔ اس کے سلیکٹرز lxml لائبریری کا استعمال کرتے ہیں۔ براؤزرز میں، XPath HTML اور SVG دستاویزات کے DOM میں نیویگیٹ کر سکتا ہے XPathExpression انٹرفیس کے ذریعے، جیسے querySelectorAll() جیسی طریقوں کے متبادل کے طور پر۔
XPath کی افعال اور XSLT
XPath کو XSLT جیسے میزبان زبان میں شامل کرنے کے لیے ڈیزائن کیا گیا ہے۔ W3C ایک فنکشن لائبریری کی وضاحت کرتا ہے، fn نام کی جگہ میں، XPath، XQuery اور XSLT کے لیے۔ اسکریپنگ میں مفید افعال میں شامل ہیں:
contains()اورstarts-with(): ذیلی سلسلے کی مماثلت۔normalize-space()اورstring-length(): سٹرنگ کی قیمتوں پر کام کرتے ہیں۔count(): اشیاء کی گنتی کرتا ہے۔
مثال کے طور پر، //a[contains(@href, "product")] صرف ان لنکس کو رکھتا ہے جن کا URL "product" پر مشتمل ہے۔