XPath 是用于在 XML 文档中精准定位节点的查询表达式，核心靠 //（任意深度搜索）、/（严格层级匹配）、@（属性选取）三个符号；需注意大小写敏感、命名空间、text() 提取文本及 1-based 索引等细节。
XPath 是什么？它不是编程语言，而是节点查询表达式
XPath（XML Path Language）是一套用于在 XML 文档中定位节点的语法规范，类似 SQL 之于数据库。它本身不执行操作，也不处理数据，只描述“我要找哪个节点”。浏览器开发者工具、lxml、xml.etree.ElementTree、Selenium 的 find_element(By.XPATH, ...) 都依赖它做路径匹配。
用 //、/、@ 这三个符号就能覆盖 80% 场景
新手常被 XPath 复杂语法吓退，其实日常定位靠三个核心符号足够：
-
//：从任意位置开始向下搜索，忽略层级深度。比如//book/title找所有<title></title>，不管它嵌套几层 -
/：必须严格按层级路径匹配。比如/library/book/title要求<title></title>是<book></book>的直接子元素，且<book></book>是<library></library>的直接子元素 -
@：用来取属性值。比如//book[@id="123"]匹配<book id="123"></book>；//book/@category提取所有category属性的值
注意：// 效率低于 /，尤其在大文档中——它会遍历整棵树；而 / 只走指定路径，但容错性差，稍有结构变动就失效。
常见错误：节点名大小写敏感、默认命名空间陷阱、文本提取要加 text()
这些细节导致 XPath “明明写对了却查不到”，是调试中最常卡住的地方：
- XML 节点名严格区分大小写：
//Book≠//book - 带命名空间的 XML（如
<rss xmlns="http://purl.org/rss/1.0/"></rss>），不声明前缀就无法匹配任何节点。Python 的lxml需传入namespaces字典，Selenium 则基本绕不开这个坑 - 想获取节点内容，不能只写
//title，得写//title/text()；否则返回的是元素对象，不是字符串值 - 用
[1]索引时，XPath 从 1 开始计数（不是 0），//book[1]是第一个<book></book>，//book[2]是第二个
from lxml import etree
<p>xml = '''<library>
<book id="1"><title>Python Crash Course</title></book>
<book id="2"><title>Effective Java</title></book>
</library>'''</p><p>root = etree.fromstring(xml)</p><h1>正确：获取第一个 title 的文本</h1><p>print(root.xpath('//book[1]/title/text()')[0]) # 输出: Python Crash Course</p><h1>错误：漏掉 text() → 返回的是 Element 对象，打印出来像 <Element title at 0x...></h1><h1>错误：写成 //title[1] → 它找的是所有 title 中的第一个，不是第一个 book 下的 title</h1>什么时候该换别的方案？别硬扛 XPath
当遇到以下情况，说明 XPath 不再是最优解：
- XML 带复杂或动态命名空间，且你无法控制输入格式 —— 改用
lxml的iterparse或正则预处理 - 需要频繁增删改节点 ——
xml.etree.ElementTree的 API 更直观，XPath 只读不写 - 目标是 HTML（非严格 XML）且结构混乱 —— CSS 选择器通常更鲁棒，Selenium 中
By.CSS_SELECTOR比By.XPATH更快也更易读 - 性能敏感场景（如每秒解析上千 XML 报文）—— 编译后的 XPath 表达式可缓存，但不如 SAX 解析器轻量
XPath 的价值不在“全能”，而在“精准描述位置”。真正难的不是写法，是看清 XML 实际结构——先用 etree.tostring(root, pretty_print=True) 或浏览器的 Elements 面板展开看看，再动笔写路径。
