xpath的入门基础教程
1、本文用来讲解xpath的入蜂擒萏赃门基础，本教材是xpath入门2，建议大家从入门1教程开始学习Xpath的教程适合对采集器已经有一些基础的用户来学习。Xpath:是一种路径查询语言，简单的说就是利用一个路径表达式找到我们需要的数据位置。Html:超文本标记语言，是用来描述网页的一种语言。主要用于控制数据的显示和外观。HTML文档也被称为网页。Xpath专用于xml中沿着路径查找数据用的，但是采集器内部有一套针对Html的Xpath引擎，使得直接用Xpath就能精准的查找定位网页里面的数据。
2、例如下图通过某狐浏览器的firebug、firepath查看网页源码。查看方法参考“xpath入门1”教程
3、完整的HTML文件至少包括争犸禀淫<HTML>标签、<HEAD>标签、<TITLE>标签和<BODY>标签，并且这些标签都是成对出现的，开头标签为<>，结束标签为</>，在这两个标签之间添加内容。通过这些标签中的相关属性可以设置页面的背景色、背景图像等。Html标签作为开始和结束的标记由尖括号包围的关键词，比如 <html>标签对中，第一个标签是开始标签，第二个标签是结束标签元素HTML的网页内容是由元素组成的,从开始标签到结束标签的所有代码。元素的开始和结束都使用标签作为开始和结束的标记节点所有事物都是节点整个文档是一个文档节点每个 HTML 元素是元素节点HTML元素内的文本是文本节点每个 HTML 属性是属性节点注释是注释节点Html常见标签<a></a> 定义超链接，用于从一张页面链接到另一张页面<h1></h1> 文本标题标签，最大的标签。从1到6，有6层选择<p></p> 段落标记标签<div></div> 可定义文档中的区域或节、可以把文档分割为不同的部分，是一个块级元素<ul></ul> 创建一个列表<li></li> 创建列表内容项<input> 用于搜集用户信息可以是文本字段、复选框、按钮等等<img></img> 向网页中嵌入一幅图像，从网页中链接图像<table></table> 创建一个表格<tr></tr> 表格中的每一行<th></th> 设置表格头，通常是黑体居中文字<option></option> 设置每个表单项的内容，选项可以通过这些常见的标签找到数据的位置。例如//a就代表能匹配到这个网页中所有可以点击的链接
4、Html常见属性属性是用来修饰标签的，放在开始标签里面class规定元素的类名，大多数时候用于指定样式表中的类id唯一标识一个元素的属性，在html里面必须是唯一的href指定超链接目标的urlsrc图像文件的url例如//span[@class='itemWithIcon calendar']通过class这个属性就匹配到了当前页面所有的日期。
5、Xpath常见写法text()文本定位位置例如//a[text()='下一页 » ']通过源码中文本“下一页 »”就匹配到了，这个text（）是需要精确匹配源码中的文本的
6、contains()用来判断字符串的一部分contains(text(),'')contains(@class，'')这个contains是用来模糊匹配的，可以看到源码中显示的是“下一页 »”，用contains只需要“下一页”3个字就可以了
7、positon()表示节点的序号last()//div[last()]
8、首先看到上图中xpathhtml/body/div[1]/div[3]/div/div/div[2]/div[1]/div匹配到了网页中的所有教程，但是我们如果只需要里面几项的时候就可以使用position()如下图：通过html/body/div[1]/div[3]/div/div/div[2]/div[1]/div[position()=5]，里面的[position()=5]就可以指定是某个具体的教程了。
9、following-sibling当前元素的兄弟元素这个可以参看数字翻页的例子哈and\or\notand 并且与关系or 并且或关系not 不是例如下面的html/body/div[1]/div[3]/div/div/div[2]/div[1]/div[2]/div/a[@style and @href]，其中的[@style and @href]就代表找到同时具有这两个style和href属性的a标签
