3997 字
20 分钟
人人都是xpath高手,xpath一键搞定实战案例分享(持续更新...)
2025-09-23
2025-09-28

本文同步自影刀社区 RPA 板块(文章),作者 【耐家军】DC:原文链接

xpath获取指定时间内容#

问题:#

就是淘宝网评论里面的评价日期,我需要获取一个元素

比如我指定日期为:2025年6月5日

那我就需要获取到第一个评价日期的元素要小于:2025年6月5日

该如何写?

问题链接:这个Xpath表达式如何写?

((//div[contains(@class,"Comments--")])[last()]//*[contains(text(),'日') and (number(substring-before(text(),'年'))*10000 + number(substring-before(substring-after(text(),'年'),'月'))*100 + number(substring-before(substring-after(text(),'月'),'日'))) < 20250605])[1]

解析:#

一、整体结构拆分#

先将复杂表达式按 “从外到内、从大到小” 的范围筛选逻辑拆解,核心层级为:最外层定位(最后一个评论容器) → 中间层筛选(含“日”字的元素) → 内层条件(日期早于20250605) → 最终取第一个匹配结果对应表达式结构:((//div[评论容器条件])[last()]//*[含“日”字条件 and 日期数值条件])[1]

二、逐部分详细解读#

按层级顺序,逐一解析每个括号、函数和条件的作用:

1. 第一层:定位 “最后一个评论容器”#

//div[contains(@class,“Comments—”)]

  • //div:从整个页面(不限制层级)中查找所有 <div> 标签;
  • contains(@class,"Comments--"):筛选出 class 属性包含 “Comments—” 的 <div>(“Comments—” 通常是评论模块的容器标识,比如前端框架中常用的 BEM 命名法,如 “Comments—item”“Comments—list”);
  • [last()]:在上述筛选出的所有 “评论容器 div” 中,取 最后一个(比如页面按时间排序的评论列表,最后一个就是最新的评论容器)。

2. 第二层:在评论容器内找 “含‘日’字的元素”#

//*[contains(text(),‘日’)]

  • 承接上一层:(//div[...])[last()]//* 表示 “在最后一个评论容器内,查找所有标签(* 代表任意标签,如 <span> <p> 等)”;
  • contains(text(),'日'):筛选出这些标签中 文本内容包含 “日” 字 的元素(因为目标是日期,中文日期格式必然含 “日”,如 “2025 年 5 月 20 日”“2024 年 12 月 3 日”)。

3. 第三层:日期数值判断(早于 2025 年 6 月 5 日)#

这是最核心的条件,通过字符串截取 + 数值转换,将日期文本转为 “年月日数值”(如 “2025 年 6 月 5 日”→20250605),再判断大小:number(substring-before(text(),‘年’))*10000 + number(substring-before(substring-after(text(),‘年’),‘月’))*100 + number(substring-before(substring-after(text(),‘月’),‘日’)) < 20250605

拆解每个函数的作用(以日期文本 “2025 年 5 月 20 日” 为例):

函数片段作用对 “2025 年 5 月 20 日” 的计算结果
substring-before(text(),'年')截取 “年” 字之前的字符串(即年份)“2025”
number(...)将截取的字符串转为数字2025
*10000年份 ×10000(转为 “年月日数值” 的前 4 位)2025×10000 = 20250000
substring-after(text(),'年')截取 “年” 字之后的字符串”5 月 20 日”
substring-before(上述结果,'月')截取 “月” 字之前的字符串(即月份)“5”
number(...) *100月份 ×100(转为 “年月日数值” 的中间 2 位)5×100 = 500
substring-after(text(),'月')截取 “月” 字之后的字符串”20 日”
substring-before(上述结果,'日')截取 “日” 字之前的字符串(即日期)“20”
number(...)日期转为数字20 最终总和:20250000 + 500 + 20 = 20250520,再判断 20250520 < 20250605 → 条件成立(该日期早于 2025 年 6 月 5 日)。

4. 最后一层:取第一个匹配结果#

[1]在上述所有满足 “在最后一个评论容器内、含‘日’字、日期早于 20250605” 的元素中,取 第一个(按页面 DOM 树的顺序,通常是该容器内最早出现的符合条件的日期元素)。

xpath获取最小最大值#

问题链接:提取元素出现问题

((//*[contains(.,"拼单价")]/span)[{{商品行数开始}} <= position() and position() <= {{商品行数结束}}][not(.>(//*[contains(.,"拼单价")]/span)[ {{商品行数开始}} <= position() and position() <= {{商品行数结束}}])]/ancestor::tr//*[text()="梯度一"]/following-sibling::*//input)[last()]

这段 XPath 表达式的逻辑相对复杂,主要用于在表格(标签结构)中定位特定商品行的 “梯度一” 价格对应的输入框,且要满足价格为指定范围内最低的条件。以下分步骤解析:

一、整体结构与核心目标#

表达式的核心目标可概括为:在指定商品行范围内,找到 “拼单价” 最低的那一行中,“梯度一” 对应的输入框的最后一个匹配项

整体结构按筛选逻辑可拆分为:[最内层:筛选价格最低的商品行] → [中层:定位该行的”梯度一”元素] → [外层:找到”梯度一”后的输入框并取最后一个]

二、逐部分详细解读#

1. 最内层:筛选指定范围内价格最低的 “拼单价” 元素#

这是整个表达式的核心筛选条件,对应片段://*[contains(.,“拼单价”)]/span[{{商品行数开始}} <= position() and position() <= {{商品行数结束}}][not(.>(//*[contains(.,“拼单价”)]/span)[ {{商品行数开始}} <= position() and position() <= {{商品行数结束}}])]

拆解如下:

  • //*[contains(.,“拼单价”)]/span:先定位页面中所有 “文本包含 ’ 拼单价 ’” 的元素(通常是价格标题),然后选取其直接子元素(推测该用于存放具体价格数值,如 “¥99”)。
  • [{{商品行数开始}} <= position() and position() <= {{商品行数结束}}]:筛选上述元素中,位置处于指定行范围内的部分(position()表示元素在同级节点中的位置序号,类似 “第 N 行”)。{{商品行数开始}}和{{商品行数结束}}是变量,需替换为具体数字(如[3 <= position() and position() <= 10]表示第 3 到 10 行)。
  • [not(.>(//*[contains(.,“拼单价”)]/span)[ {{商品行数开始}} <= position() and position() <= {{商品行数结束}}])]:这是价格最低的关键判断。内层(//*[contains(.,“拼单价”)]/span)[…]重复了前面的范围筛选,代表 “指定行范围内的所有拼单价元素”。.>表示 “当前元素的文本值大于”(XPath 中.代表当前节点,这里比较的是价格数值)。not(…)表示 “不存在当前元素大于范围内其他元素的情况”,即当前元素是该范围内的最小值(因为没有任何元素比它大)。

2. 中层:定位价格最低行的 “梯度一” 元素#

在找到最低价格的后,通过以下片段定位其所在行的 “梯度一” 元素:ancestor::tr//*[text()=“梯度一”]

  • ancestor::tr:从最低价格的<span>向上查找其所有祖先节点中的<tr>(表格行标签),即定位到该价格所在的表格行。
  • //*[text()="梯度一"]:在这一行内,查找文本内容正好是 “梯度一” 的元素(通常是价格梯度的标题,如 “梯度一:1-10 件”)。

3. 外层:找到 “梯度一” 后的输入框并取最后一个#

最后通过以下片段定位目标输入框:following-sibling::*//input)[last()]

  • following-sibling::*:从 “梯度一” 元素向后查找其所有同级节点(同一层级的其他元素)。
  • //input:在这些同级节点及其子节点中,查找所有<input>标签(即输入框,通常用于填写价格或数量)。
  • [last()]:在找到的所有输入框中,取最后一个(可能存在多个输入框时,优先选择最后一个)。

三、适用场景与注意事项#

典型场景#

  • 电商后台的商品价格管理页面(表格形式展示多个商品,每行包含 “拼单价” 和不同梯度的价格输入框)。
  • 需求:在指定的商品行范围内(如第 5-15 行),找到 “拼单价” 最低的商品,然后定位该行 “梯度一” 对应的最后一个输入框(可能用于自动填写最低梯度价格)。

注意事项#

  • 价格比较依赖文本可直接转换为数值(如 “99” 可比较,但若含 ”¥” 符号可能需要额外处理)。
  • 表格结构必须规范(每行对应一个商品,<tr>为行单位),否则ancestor::tr可能定位错误。
  • “梯度一” 的文本必须完全匹配 “梯度一”,若页面显示为 “第一梯度” 则失效。

总结#

这段 XPath 的逻辑可通俗理解为:

  1. 在第 N 到 M 行商品中,找到 “拼单价” 最低的那一行;
  2. 进入这一行,找到 “梯度一” 的位置;
  3. 在 “梯度一” 后面的元素中,找到所有输入框并选择最后一个。
  4. 其核心是通过位置范围筛选 + 最小值判断 + 层级定位,精准找到目标输入框。

xpath找可见元素#

问题链接:店小蜜添加图片 无法准确点击到“引用采集图片”

//div[not(contains(@style,"display")) ]/ul/li[@title="引用采集图片"]

这段 XPath 表达式的作用是定位页面中特定的列表项,具体逻辑可拆解为以下几部分:

一、整体目标#

筛选出符合两个条件的元素:

  1. 处于 “未被隐藏的 div 容器” 内
  2. 自身是 title 为 “引用采集图片” 的列表项(li)

二、逐部分解读#

1. 最外层:筛选 “未隐藏的 div 容器”#

//div[not(contains(@style,“display”))]

  • //div:从整个页面中查找所有
    标签(不限制层级)。
  • [not(contains(@style,“display”))]:这是核心筛选条件,含义是:contains(@style,“display”):判断 div 的style属性中是否包含 “display” 字符串(通常display: none用于隐藏元素)。not(…):对上述结果取反,即排除所有 style 中含 “display” 的 div(意味着保留那些未通过display样式隐藏的 div)。实际效果:筛选出 “未被display样式隐藏” 的 div 容器(可能是可见的,或通过其他方式控制显示的 div)。

2. 中间层:定位 div 内的 ul 列表#

/ul

  • 承接上一步的 div,/ul表示查找这些 div 的直接子元素中的<ul>标签(无序列表)。

3. 最内层:定位特定 title 的列表项#

/li[@title=“引用采集图片”]

  • 承接上一步的 ul,/li表示查找 ul 的直接子元素中的<li>标签(列表项)。
  • [@title="引用采集图片"]:筛选出title属性精确等于 “引用采集图片” 的 li 元素。

三、适用场景与注意事项#

典型场景#

  • 页面中存在多个列表(ul),其中部分被display样式隐藏(如通过style="display: none"隐藏),需要在可见的列表中找到 “引用采集图片” 这一选项。
  • 常见于富文本编辑器、图片选择器等场景(如 “引用采集图片” 是一个可点击的功能选项)。

注意事项#

  • 仅排除style中含 “display” 的 div,若元素通过其他方式隐藏(如visibility: hidden、opacity: 0),则无法筛选。
  • title属性必须完全匹配 “引用采集图片”(包括文字、标点、空格),有任何差异则无法定位。
  • /ul和/li均为 “直接子元素”(单斜杠/),若 ul 是 div 的孙子元素(中间隔了其他标签),或 li 是 ul 的孙子元素,则需要改为//ul和//li(双斜杠)。

总结#

这段 XPath 的逻辑可通俗描述为:“在页面中所有没有被display样式隐藏的 div 里,找到它们直接包含的 ul 列表,再从这些 ul 里找到 title 正好是‘引用采集图片’的列表项”。

XPath满足任意一个规则的所有节点#

问题链接:请问如何利用xpath表达式获取百家号发帖人头像按钮?

//a/img[@data-testid="author-avatar"] | (//*[contains(text(),"关注")])[1]/preceding-sibling::*[2] | (//*[contains(text(),"关注")])[1]/../../preceding-sibling::*[1]/div[1]

这段 XPath 表达式的核心逻辑是 “多条件并行匹配”,通过 |(XPath 中的 “或” 运算符)将 3 个独立的定位规则组合,最终会返回 满足任意一个规则的所有节点(若多个规则都匹配到节点,会合并去重返回)。下面逐一拆解每个规则的定位逻辑、适用场景及潜在注意事项:

一、核心语法基础:| 运算符#

在 XPath 中,| 表示 “节点集的并集”,作用是将多个独立 XPath 表达式的结果合并。例如 A | B | C 会返回:所有满足 A 的节点 + 所有满足 B 的节点 + 所有满足 C 的节点(自动去重相同节点)。

二、分规则拆解分析#

规则 1://a/img[@data-testid="author-avatar"]#

定位目标:找到页面中所有 “嵌套在标签内、且data-testid属性值为author-avatar的标签”(通常是 “作者头像图片”)。

规则 2:(//*[contains(text(),"关注")])[1]/preceding-sibling::*[2]#

定位目标:找到 “页面中第一个包含‘关注’文本的元素” 的 “向前数第 2 个同级兄弟元素”(通常是 “关注按钮旁的作者相关元素”,如头像 / 昵称)。

  • 各部分含义(按执行顺序拆解)://*[contains(text(),“关注”)]://*:搜索页面所有标签(不限标签名);[contains(text(),“关注”)]:筛选 “文本内容中包含‘关注’二字” 的元素(如 “关注” 按钮、“已关注” 按钮)。(…) [1]:对第一步的结果取第一个匹配项(即页面中出现的第一个 “关注” 相关元素)。/preceding-sibling::*[2]:preceding-sibling::*:表示 “当前元素的所有同级前序节点”(即同一父标签下、在当前元素之前的所有元素);[2]:筛选 “向前数第 2 个” 同级元素(例如:若 “关注” 按钮的同级前序元素是「头像」→「昵称」→「关注」,则取 “头像”)。
  • 注意事项:依赖页面结构的 “固定顺序”:若 “关注” 按钮的同级元素顺序变化(如新增 “粉丝数”),则会定位到错误元素;若页面无 “关注” 元素,此规则返回空。

规则 3:(//*[contains(text(),"关注")])[1]/../../preceding-sibling::*[1]/div[1]#

定位目标:以 “第一个‘关注’元素” 为起点,通过 “向上追溯父节点 + 向前找同级”,定位到某个特定的

(通常是 “作者信息区的容器或头像容器”)。

  • 各部分含义(按执行顺序拆解):(//*[contains(text(),“关注”)])[1]:同规则 2 的第一步 + 第二步 —— 找到第一个 “关注” 元素(记为「E」)。/../../:对「E」进行两次向上追溯父节点(即:E → 父节点 1 → 父节点 2,记父节点 2 为「P2」);示例:若 E 的结构是
    ,则 E 的父节点 1 是btn-group,父节点 2 是btn-group的父标签(如 “作者信息栏”)。/preceding-sibling::*[1]:找到「P2」的 “向前数第 1 个同级元素”(记为「S」)—— 即与「P2」同一父标签下、在「P2」之前的第一个元素。/div[1]:找到「S」下的第一个直接子节点
    (通常是「S」容器内的核心内容区,如头像所在的
    )。
  • 核心逻辑:通过 “多步父节点追溯” 跳转到更高层级的容器,再定位其同级元素的子
    ,本质是 “间接定位”(避免直接依赖深层结构)。
  • 注意事项:对页面结构依赖极强:若「E」的父节点层级变化(如多一层 / 少一层
    ),或「P2」的同级元素顺序变化,会直接定位失败;可读性较差,维护成本高(需手动梳理节点层级)。

持续更新中…

**学习xpath基础:**参考过客文章个人中心 - 影刀RPA开发者社区

人人都是xpath高手,xpath一键搞定实战案例分享(持续更新...)
https://dc6.com.cn/posts/ren-ren-dou-shi-xpath-gao-shou-xpath-yi-jian-gao-ding-shi-zh/
作者
DC哥
发布于
2025-09-23
许可协议
CC BY-NC-SA 4.0