怎么用XPath选取所有叶子节点-XML/RSS教程-PHP中文网

XPath中选取叶子元素节点的表达式是//[not()]，即匹配所有不包含子元素的元素节点，如text、等，但不匹配含子标签的元素或纯文本节点。

怎么用xpath选取所有叶子节点

XPath 本身没有直接叫“叶子节点”的内置谓词，但我们可以用逻辑来定义：叶子节点是指没有子元素的元素节点（即不包含 <child></child> 这样的子标签），但可以有文本内容。注意：文本节点、注释、处理指令等不算“叶子元素”，通常大家说的“叶子节点”在 HTML/XML 场景下指的是没有子元素的元素节点。

所以，选取所有“叶子元素节点”的 XPath 表达式是：

//*[not(*)]

✅ 解释：

//：从整个文档任意位置匹配
*：匹配任意元素节点
not(*)：该元素没有子元素（即没有 <tag></tag> 类型的子节点）
组合起来就是：所有不包含任何子元素的元素节点

⚠️ 注意这几点

//*[not(*)] 不会匹配纯文本节点（如 <div>hello</div> 中的 "hello"），它只选元素节点（<div> 本身），前提是这个 <code><div> 里面没有其他标签。<li>它会匹配像 <code><span>text</span>、<br>、<img alt="怎么用XPath选取所有叶子节点" >、<input> 这类无子元素的元素。
它不会匹配 <div><p>xxx</p></div> 中的 <div>，因为 <code><div> 有子元素 <code><p></p>。

✅ 常见变体与用途
- 只选有文本内容的叶子元素（排除空标签）：
```
//*[not(*) and normalize-space(text())]
```
  → 排除 <span></span> 或 <div> </div> 这种看似有 text() 但实际为空的情况。
- 选所有叶子元素，且要求至少有一个非空白文本子节点：
```
//*[not(*) and text()[normalize-space()]]
```
- 在 Selenium / Scrapy / lxml 中使用示例（Python）：
```
from lxml import html
tree = html.fromstring(html_content)
leaf_elements = tree.xpath('//*[not(*)]')
for el in leaf_elements:
    print(el.tag, el.text_content().strip())
```
❌ 容易误解的写法（别用）
- //*[not(node())] —— 错！node() 包含文本、注释、元素等，很多元素有文本子节点，结果几乎不匹配。
- //text()[not(parent::*)] —— 没意义，text() 节点必有父元素。
- //*[count(*) = 0] —— 等价于 not(*)，可以但略啰嗦，性能稍差。
基本上就这些。核心记住：叶子元素 = 元素节点 + 没有子元素 → //*[not(*)] 是最简洁准确的写法。

怎么用XPath选取所有叶子节点

⚠️ 注意这几点

✅ 常见变体与用途

❌ 容易误解的写法（别用）