博文
学习笔记: 用XPath查询XML数据
|||
XPath 是一门在 XML 文档中查找信息的语言。XPath 可用来在 XML 文档中对元素和属性进行遍历。XPath 是 W3C XSLT 标准的主要元素，并且 XQuery 和 XPointer 都构建于 XPath 表达之上。因此，对 XPath 的理解是很多高级 XML 应用的基础。
路径表达式的实例
对于以下实例,基于一定的示例XML文档,如下
<?xml version="1.0" encoding="ISO-8859-1"?> <bookstore> <book> <title lang="eng">Harry Potter</title> <price>29.99</price> </book> <book> <title lang="eng">Learning XML</title> <price>39.95</price> </book> </bookstore>
在下面的表格中，我们已列出了一些路径表达式以及表达式的结果：
| 路径表达式 | 结果 |
|---|---|
| bookstore | 选取 bookstore 元素的所有子节点。 |
| /bookstore | 选取根元素 bookstore。注释：假如路径起始于正斜杠( / )，则此路径始终代表到某元素的绝对路径！ |
| bookstore/book | 选取属于 bookstore 的子元素的所有 book 元素。 |
| //book | 选取所有 book 子元素，而不管它们在文档中的位置。 |
| bookstore//book | 选择属于 bookstore 元素的后代的所有 book 元素，而不管它们位于 bookstore 之下的什么位置。 |
| //@lang | 选取名为 lang 的所有属性。 |
XPath 轴
轴可定义相对于当前节点的节点集。(DxhSay:节点集在使用之时后面接两个冒号)
| 轴名称 | 结果 |
|---|---|
| ancestor | 选取当前节点的所有先辈（父、祖父等）。 |
| ancestor-or-self | 选取当前节点的所有先辈（父、祖父等）以及当前节点本身。 |
| attribute | 选取当前节点的所有属性。 |
| child | 选取当前节点的所有子元素。 |
| descendant | 选取当前节点的所有后代元素（子、孙等）。 |
| descendant-or-self | 选取当前节点的所有后代元素（子、孙等）以及当前节点本身。 |
| following | 选取文档中当前节点的结束标签之后的所有节点。 |
| namespace | 选取当前节点的所有命名空间节点。 |
| parent | 选取当前节点的父节点。 |
| preceding | 选取文档中当前节点的开始标签之前的所有节点。 |
| preceding-sibling | 选取当前节点之前的所有同级节点。 |
| self | 选取当前节点。 |
位置路径表达式
位置路径可以是绝对的，也可以是相对的。绝对路径起始于正斜杠( / )，而相对路径不会这样。在两种情况中，位置路径均包括一个或多个步，每个步均被斜杠分割：
| 例子 | 结果 |
|---|---|
| child::book | 选取所有属于当前节点的子元素的 book 节点。 |
| attribute::lang | 选取当前节点的 lang 属性。 |
| child::* | 选取当前节点的所有子元素。 |
| attribute::* | 选取当前节点的所有属性。 |
| child::text() | 选取当前节点的所有文本子节点。 |
| child::node() | 选取当前节点的所有子节点。 |
| descendant::book | 选取当前节点的所有 book 后代。 |
| ancestor::book | 选择当前节点的所有 book 先辈。 |
| ancestor-or-self::book | 选取当前节点的所有 book 先辈以及当前节点（如果此节点是 book 节点） |
| child::*/child::price | 选取当前节点的所有 price 孙节点。 |
谓语（Predicates）
谓语用来查找某个特定的节点或者包含某个指定的值的节点。谓语被嵌在方括号中。(修饰或限定之意义,不改变主体级别)
实例
在下面的表格中，我们列出了带有谓语的一些路径表达式，以及表达式的结果：
| 路径表达式 | 结果 |
|---|---|
| /bookstore/book[1] | 选取属于 bookstore 子元素的第一个 book 元素。 |
| /bookstore/book[last()] | 选取属于 bookstore 子元素的最后一个 book 元素。DxhSay:/bookstore/book[count(//book)]效果一样 |
| /bookstore/book[last()-1] | 选取属于 bookstore 子元素的倒数第二个 book 元素。 |
| /bookstore/book[position()<3] | 选取最前面的两个属于 bookstore 元素的子元素的 book 元素。 |
| //title[@lang] | 选取所有拥有名为 lang 的属性的 title 元素。 |
| //title[@lang='eng'] | 选取所有 title 元素，且这些元素拥有值为 eng 的 lang 属性。 |
| /bookstore/book[price>35.00] | 选取 bookstore 元素的所有 book 元素，且其中的 price 元素的值须大于 35.00。在上一级元素使用下一级的元素的值进行比较 |
| /bookstore/book[price>35.00]/title | 选取 bookstore 元素中的 book 元素的所有 title 元素，且其中的 price 元素的值须大于 35.00。 |
XPath 运算符
下面列出了可用在 XPath 表达式中的运算符：
| 运算符 | 描述 | 实例 | 返回值 |
|---|---|---|---|
| | | (集合)并 | //book | //cd | 返回所有拥有 book 和 cd 元素的节点集 |
| + | 加法 | 6 + 4 | 10 |
| - | 减法 | 6 - 4 | 2 |
| * | 乘法 | 6 * 4 | 24 |
| div | 除法 | 8 div 4 | 2 |
| = | 等于 | price=9.80 | |
| != | 不等于 | price!=9.80 | |
| < | 小于 | price<9.80 | |
| <= | 小于或等于 | price<=9.80 | |
| > | 大于 | price>9.80 | |
| >= | 大于或等于 | price>=9.80 | |
| or | 或 | price=9.80 or price=9.70 | |
| and | 与 | price>9.00 and price<9.90 | 运算符的优先级高于and |
| mod | 求余 | 5 mod 2 | 1 |
以上内容复制自
XPATH灵活运用
xpath 函数
上面介绍的XPath功能还不完备,我还要介绍xpath的函数,正是函数使得Xpath更加灵活而强大.
| 函数名 | 意义 | 注释 |
| text() | 返回当前节点的文本 | 针对当前节点 |
| comment() | 返回节点的注释集合 | 针对当前节点 |
| node() | 返回当前节点 | |
| abs($arg) | 求绝对值 | |
| avg($arg) | 取平均值 | |
| sum($arg) | 求和 |
在Oxygen XML Developer有个不错的特性, XPath的输入框中输入路径的斜杠或冒号之后,提示可能使用到的属性或函数,供你选择.
一般来说, 查找数据往往通过限定谓语(即方括号内的内容)来缩小范围,如序号或某个测试条件等. 调整级别通过轴的关系符: parent::, child::, descendant::, ancestor::等, 数据的并联或去除通过union, except等指令来实现.
完整的清单如下
XML数据举例
为了实际应用这些XPATH,举一个更复杂的例子,数据如下
<?xml version="1.0" encoding="UTF-8"?> <样品COA> <!-- comments: pls keep the </样品COA> tag. --> <样品记录> <序号>1</序号> <样品型号>Test001</样品型号> <批号>AA1234</批号> <水分 单位="ppm">7.7</水分> <酸度 单位="ppm" >22.9</酸度> <色度 单位="Hazen">＜5 </色度> <密度 测试温度="25℃" 单位="g/cm3">1.260 </密度> <电导率 测试温度="25℃" 单位="mS/cm">9.9</电导率> <备注> </备注> </样品记录> <样品记录> <序号>2</序号> <样品型号>Test002</样品型号> <批号>AA2345</批号> <水分 单位="ppm">5.2</水分> <酸度 单位="ppm" >22.3</酸度> <色度 单位="Hazen">＜5 </色度> <密度 测试温度="25℃" 单位="g/cm3">1.253 </密度> <电导率 测试温度="25℃" 单位="mS/cm"> 9.7</电导率> <备注> </备注> </样品记录> <样品记录> <序号>3</序号> <样品型号>Test003</样品型号> <批号>BC20332</批号> <水分 单位="ppm">5.6</水分> <酸度 单位="ppm" >21.7</酸度> <色度 单位="Hazen">＜5</色度> <密度 测试温度="25℃" 单位="g/cm3">1.241 </密度> <电导率 测试温度="25℃" 单位="mS/cm">9.5</电导率> <备注> </备注> </样品记录> <样品记录> <序号>4</序号> <样品型号>Test006</样品型号> <批号>BD23456</批号> <水分 单位="ppm">5.7</水分> <酸度 单位="ppm" >21.4</酸度> <色度 单位="Hazen">＜5</色度> <密度 测试温度="25℃" 单位="g/cm3">1.264</密度> <电导率 测试温度="25℃" 单位="mS/cm">9.8</电导率> <备注> </备注> </样品记录> <样品记录> <序号>5</序号> <样品型号>Test007</样品型号> <批号>AB00332</批号> <水分 单位="ppm">5.1</水分> <酸度 单位="ppm" >20.3</酸度> <色度 单位="Hazen">＜5</色度> <密度 测试温度="25℃" 单位="g/cm3">1.250</密度> <电导率 测试温度="25℃" 单位="mS/cm">10.1</电导率> <备注> </备注> </样品记录> </样品COA>
本实例使用上述文本, 测试在oxygen XML Developer 21试用版中进行,使用 Xpath 3.0 进行解析
典型应用案例
选择所有记录
/样品COA也就是选择了根目录, 根目录下所有选项.查找第1个样品记录
/样品COA/样品记录[1]查询第一条记录的电导率的文本
/样品COA/样品记录[1]/电导率/text()查找倒数第二个样品记录
/样品COA/样品记录[last()-1]使用last()函数避免了求和函数来计算当前父结点下有多少子项.
用
/样品COA/样品记录[count(//样品记录)-1]也可以达到相同的目录.查找所有样品记录
//样品记录或/样品COA/样品记录开头用//表示查找所有的相关记录,不管它在哪个层级下面.
查找所有色度
//色度. 当没有特殊指定其属性时,默认返回的就是色度的文本. 其效果相当于//色度/text(). 记得这是一个集合,尽管有时它只有一项.查找色度的单位
//色度/@单位查找色度为<5的记录
色度的值为<5,而不是某个数值再判断数据是否小于5. 所以下面是等于"<5".
//色度[.="＜5"]或者是//色度[text="＜5"]查找水分值为5.7的记录
//样品记录[水分=5.7]或者//样品记录[child::水分="5.7"]这样得到的是样品记录,而不是水分这个元素.还可以 利用parent关系表示为
//水分[.=5.7]/parent::node()查找水分值为5.7的元素(指那一个元素, 而不是完整的一个记录)
//水分[.=5.7] 或 //水分[text()="5.7"]
11. 查找序号为4的样品记录中, 密度的测试温度是什么?
//样品记录[序号=4]/密度/@测试温度
12. 查找水分为5.1, 密度为1.250的记录
/样品COA/样品记录[水分=5.1 and 密度=1.250]
13. 查找样品COA下面的第1条注释
/样品COA/comment()[1]
14. 查找密度值包含1.260的元素,它的测试温度是多少?
//密度[contains(text(),"1.260")]/@测试温度
从上面的实例中,我们查询密度值为1.260的只有一条记录,因此上面的查询只返回一条记录;如果修改为查找的是包含1.26的,则返回二条记录; contains是一个文本查找函数,比等于号更严谨.有的情况下文本前后可能有空格,使用等号来比较会导致查询失败.
还有一种表示的方法,//密度[number(text())>=1.26 and number(text())<1.30]/@测试温度,把元素的值转化为数字,再对它进行比较. 这与上面的方法不一样,前面是文本比较,这里是数值比较.但结果一样.
15. 查找酸度值是20.3的样品记录,其电导率的测试温度是多少?
/样品COA/样品记录/酸度[text()=20.3]/parent::node()/电导率/@测试温度
16. 样品记录1与样品记录3的合集
样品COA/样品记录[1] union /样品COA/样品记录[3] 方括号内不能使用1,3 或1 and 3这样的表示法
17. 查找不包括样品记录2的合集
/样品COA/样品记录[*] except /样品COA/样品记录[2]
这里用except来处理集合, 从所有集合中除去第2项.
, 即所有的(第1个色度元素的单位). 有5个样品记录, 所以有5个结果.
(//色度)[1]/@单位才是你要的. 它的意思是,所有色度元素合集的第1项的单位.它就只有一个.
或者参照第3条的绝对路径的表示方法/样品COA/样品记录[1]/色度/@单位
本博客的PDF文件
本文PDF文档:
链接：https://pan.baidu.com/s/1vuO8C_anHtBSFX8FDg1rJA
提取码：xpat
https://blog.sciencenet.cn/blog-1213210-1247684.html
上一篇：详解Excel的Open XML中单元格样式的cellStyleXfs，cellStyle，cellXfs之间关系
下一篇：xlwings模块应用的两则小故障及其解决
