XPath 最佳实践

核心原则

1. 使用唯一特征 - 优先用 id、class、data-* 属性
2. 避免过于具体 - 不要写死完整路径
3. 使用属性匹配 - 比位置索引更稳定
4. 考虑页面变化 - 结构变化时仍能工作

基础语法

节点选择

//*           # 所有节点
//li          # 所有 li 节点
//li/a        # li 的直接子节点 a
//li//a       # li 的所有子孙节点 a
//a/..        # a 的父节点

文本和属性

//a/text()              # 获取文本
//a/@href               # 获取属性值
//a[@href='link.html']  # 属性匹配

推荐写法 vs 不推荐写法

列表项选择

# 推荐 - 使用 class 属性
//li[@class="item"]
//li[contains(@class, "item")]

# 不推荐 - 使用完整路径
/html/body/div/ul/li

下一页按钮

# 推荐 - 使用文本或位置
//a[contains(text(), "下一页")]
//ul[@class="pagination"]/li[last()-1]/a

# 不推荐 - 硬编码索引
//ul/li[7]/a

高级技巧

多属性匹配

//li[contains(@class, "item") and @data-type="link"]
//li[@class="item" or @class="active"]

属性多值匹配

# class="li li-first" 的情况
//li[contains(@class, "li-first")]

位置选择

//li[1]              # 第一个
//li[last()]         # 最后一个
//li[position()<=3]  # 前三个
//li[position()>1]   # 除第一个外

兄弟节点

//li[@class="current"]/following-sibling::li[1]  # 下一个兄弟
//li[@class="current"]/preceding-sibling::li[1]  # 上一个兄弟

常见场景

列表页标题

//ul[@class="list"]//a/text()
//div[contains(@class, "item")]//h3/text()

列表页链接

//ul[@class="list"]//a/@href
//div[contains(@class, "item")]//a/@href

分页-下一页

//a[contains(text(), "下一页")]
//a[contains(text(), "下页")]
//li[last()-1]/a
//a[@class="next"]

分页-无下一页按钮

//a[@class="current"]/following-sibling::a[1]

常用方法

| 方法 | 说明 | 示例 | |------|------|------| | contains() | 包含匹配 | //li[contains(@class, "item")] | | text() | 获取文本 | //a/text() | | last() | 最后位置 | //li[last()] | | position() | 当前位置 | //li[position()<3] | | normalize-space() | 去空白 | normalize-space(text()) |