XML学习笔记6——XPath语言

　　在上一篇笔记的结尾，我们接触到了两个用于选择XML文档中特定范围的元素<selector>和<field>，这两个元素的取值都是XPath表达式，那么，什么是XPath呢？简单的说，XPath是用于在XML文档中查找信息的语言，可用来在XML文档中遍历元素和属性，很多XML的相关技术比如XSLT、XQuery、XPointer等都是构建于XPath的基础之上，在这一篇笔记中，就来学习一下XPath语言。

1、相关术语

（1）节点（Node）：格式良好的XML文档都可以转换为一个树型结构，XPath中的节点也就是这个树型结构中的节点。概况起来，有如下所列的七种节点：

节点类型	说明
XML文档根节点	XML文档的根称为文档节点或根节点
元素节点	一个元素的开始标签、结束标签，以及之间的全部内容整体称之为元素节点
属性节点	元素的每个属性都构成一个属性节点，包括属性名称和属性值两个部分，属性节点必须依附于元素节点
命名空间节点	XML文档中的xmlns:prefix属性称之为命名空间节点，注意和属性节点的区别
文本节点	XML元素中间的字符数据，包括CDATA段中的字符数据
注释节点	XML文档里<!--和-->包含的注释部分构成注释节点
处理指令节点	XML文档的处理指令部分构成处理指令节点

（2）基本值（也称为原子值，Atomic Value）：专门用于表示简单的字面值，如整数值，字符串等。基本值可以当成没有父节点也没有子节点的节点。

（3）项目（Item）：一个项目代表一个基本值或一个节点。

（4）节点集和序列（Sequence）：XPath表达式可以表示多个节点，多个节点的组合在XPath1.0中称为节点集，而在XPath2.0中添加了一个序列的术语，即可以代表普通的项目，也可以代表节点集。

（5）节点关系：

节点关系	说明
父节点Parent	每个元素或属性都有一个父节点
子节点Children	元素节点可以有0个、1个或多个子节点
兄弟节点Sibling	父节点相同的节点称之为兄弟节点
祖先节点Ancestor	节点的父节点、父节点的父节点一直到根节点
后代节点Descendant	节点的子节点，子节点的子节点......

（6）相对路径和绝对路径：与操作系统中的路径类似，XPath中也有相对路径和绝对路径，绝对路径以斜线（/）开头，总是从根节点开始匹配，而相对路径则不会以斜线开头，从当前路径开始匹配。

2、XPath语法

　　XPath使用路径表达式来访问XML中的节点或节点集，每个XPath表达式总是由一个或多个步（step）组成的，多个步直接使用斜线分隔。在XPath中，步的语法格式如下：

轴::节点测试[限定谓语]

也就是说，每个步都通过了3次筛选，第一次是使用“轴”选择节点方向，第二次使用“节点测试”选取在指定轴方向上的部分节点，第三次则是使用“限定谓语”来对选中的节点进一步过滤。

（1）轴：在XPath中，有下面列表中的各种轴：

轴	简化写法	说明
ancestor		选取当前节点的所有先辈（父、祖父等）节点
ancestor-or-self		选取当前节点的所有先辈（父、祖父等）节点以及当前节点本身
attribute	@	选取当前节点的所有属性节点，如果当前节点不是元素节点，则attribute轴方向上的节点集为空
child	省略不写	选取当前节点的所有子节点
descendant	//	选取当前节点的所有后代节点（子、孙等）
descendant-or-self		选取当前节点的所有后代节点（子、孙等）以及当前节点本身
following		选取文档中当前节点的结束标签之后的所有节点，不会包含当前节点的后代节点和属性节点
following-sibling		选取文档中当前节点的结束标签之后的所有兄弟节点
namespace		选取当前节点的所有命名空间节点，当前节点不是元素节点，则namespace轴方向上的节点集为空
parent	..	选取当前节点的父节点
preceding		选取文档中当前节点的开始标签之前的所有节点，不会包含当前节点的后代节点和属性节点
preceding-sibling		选取文档中当前节点的开始标签之前的所有兄弟节点
self	.	选取当前节点

（2）节点测试：节点测试用于从指定轴方向上选取所匹配的特定的节点，在XPath中，常用的节点测试语法如下表所示：

节点测试	说明
nodename	从指定轴方向上选出具有nodename的节点 如child::book选择当前节点的所有book子节点 descendant::book选择当前节点的所有book后代节点（包括book子节点、孙子节点等）
node()	选择指定轴匹配的所有类型的节点
text()	选择指定轴匹配的所有文本类型的节点 如child::text()选择当前节点的所有文本子节点 descendant::text()选择当前节点的所有文本后代节点（包括文本子节点、文本孙子节点等）
comment()	选择指定轴匹配的所有注释节点
processing-instruction	选择指定轴匹配的所有处理指令节点
*	节点测试中的通配符，表示所有，也即不进行过滤

（3）限定谓语：每个步中可以接受0个或多个限定谓语，用于进一步过滤所选取的节点集，限定谓语放在方括号中，通常限定谓语返回一个boolean值。看下面的一些例子：

路径表达式	结果
/bookstore/book[1]	选取属于 bookstore  元素的子元素的第一个 book 元素。
/bookstore/book[last()]	选取属于 bookstore  元素的子元素的最后一个 book 元素。
/bookstore/book[last()-1]	选取属于 bookstore  元素的子元素的倒数第二个 book 元素。
/bookstore/book[position()<3]	选取最前面的两个属于 bookstore 元素的子元素的 book 元素。
//title[@lang]	选取所有拥有名为 lang 的属性的 title 元素。
//title[@lang='eng']	选取所有 title 元素，且这些元素拥有值为 eng 的 lang 属性。
/bookstore/book[price>35.00]	选取 bookstore 元素的所有 book 元素，且其中的 price 元素的值须大于 35.00。
/bookstore/book[price>35.00]/title	选取 bookstore 元素中的 book 元素的所有 title 元素，且其中的 price 元素的值须大于 35.00。

3、运算符

　　从上面的实例中可以看到，在限定谓语中，还可以使用运算符、表达式，还有很多内置的函数供使用。这一小节先看看XPath中支持的运算符：

（1）算术运算符：加（+）、减（-）、乘（*）、除（div）、取模（mod）

　　算术运算符非常简单，但是需要注意几点：

A、因为减号实际上也就是中划线，而中划线在XML中是合法的标识符号，从而带来了歧义，于是XPath强制规定，使用减号的时候，需要前后各加一个空格。

B、在XPath中，所有的数值都是64位的double类型，即便直接书写成0、100；另外，XPath还有几个特殊的数值：正无穷大、负无穷大、非数。

C、在运算时，如果操作数不是数值类型，会自动转换，下面的比较运算符、逻辑运算符如果有必要也会发生相应的自动类型转换。

（2）比较运算符：等于（=）、不等于（!=）、小于（<）、小于或等于（<=）、大于（>）、大于或等于（>=）

　　需要注意的是，不像其它编程语言，这里表示相等只需要一个等于号。

（3）逻辑运算符：与（and）、或（or）

（4）集合运算符：并集（|）

4、表达式

（1）for表达式：用于循环访问序列中的每个项，并对每项进行一次计算，最后将每项计算得到的结果组合成序列后返回，语法格式如下：

for $var in sequence return rtExpression

实际上，这里的for更类似于js中的foreach。还可以使用下面的形式遍历多个序列：

for $var1 in sequence1, $var2 in sequence2 return fn($var1,$var2)

（2）if表达式：用于处理分支，根据不同条件得到不同的返回值，语法格式如下：

if (condition1)
then rtVal1
[else if (condition2)
then rtVal2
...]
else
otherVal

（3）some表达式：迭代中只要有一项满足条件就返回true，否则返回false，语法格式如下：

some $var in sequence satisfies condition

（4）every表达式：迭代中只有有一项不满足条件就返回false，否则返回true，语法格式如下：

every $var in sequence satisfies condition

5、内置函数库

　　在XPath中还有大量的内置函数，用于增强相关功能，这些内置函数可以参考：XPath函数。我在下面也抄录一份供参考：

分类		函数	说明
存取函数		fn:node-name(node)	返回参数节点的节点名称。
		fn:nilled(node)	返回是否拒绝参数节点的布尔值。
		fn:data(item.item,...)	接受项目序列，并返回原子值序列。
		fn:base-uri() fn:base-uri(node)	返回当前节点或指定节点的 base-uri 属性的值。
		fn:document-uri() fn:document-uri(node)	返回当前节点或指定节点的 document-uri 属性的值。
错误和跟踪函数		fn:error() fn:error(error) fn:error(error,description) fn:error(error,description,error-object)	例子：error(fn:QName('http://example.com/test', 'err:toohigh'), 'Error: Price is too high') 结果：向外部处理环境返回 http://example.com/test#toohigh 以及字符串 "Error: Price is too high"。
		fn:trace(value,label)	用于对查询进行 debug。
数值函数		fn:number(arg)	返回参数的数值。参数可以是布尔值、字符串或节点集。 例子：number('100') 结果：100
		fn:abs(num)	返回参数的绝对值。
		fn:ceiling(num)	返回大于或等于 num 参数的最小整数。
		fn:floor(num)	返回小于或等于 num 参数的最大整数。
		fn:round(num)	把 num 参数四舍五入为最接近的整数。
		fn:round-half-to-even()	返回最接近参数num的偶数 例子：round-half-to-even(0.5) 结果：0 例子：round-half-to-even(1.5) 结果：2 例子：round-half-to-even(2.5) 结果：2
字符串函数		fn:string(arg)	返回参数的字符串值。参数可以是数字、逻辑值或节点集。
		fn:codepoints-to-string(int,int,...)	根据一个Unicode值序列序列返回字符串。 例子：codepoints-to-string((84, 104, 233, 114, 232, 115, 101)) 结果：'Thérèse' 注意：该函数的参数是一个Unicode值序列，因此必须用括号将参数括起来
		fn:string-to-codepoints(string)	根据字符串返回每个字符所对应的Unicode值的序列。
		fn:codepoint-equal(comp1,comp2)	根据 Unicode 值序列比较，如果 comp1 的值等于 comp2 的值，则返回 true，否则返回 false。
		fn:compare(comp1,comp2) fn:compare(comp1,comp2,collation)	根据对照规则，comp1小于comp2返回 -1；comp1等于comp2，返回0；comp1大于comp2返回1。
		fn:concat(string,string,...)	返回字符串的拼接。
		fn:string-join((string,string,...),sep)	使用 sep 参数作为分隔符，来返回 string 参数拼接后的字符串。
		fn:substring(string,start,len) fn:substring(string,start)	返回从 start 位置开始的指定长度的子字符串。第一个字符的下标是 1。 如果省略 len 参数，则返回从位置 start 到字符串末尾的子字符串。
		fn:string-length(string) fn:string-length()	返回指定字符串的长度。如果没有 string 参数，则返回当前节点的字符串值的长度
		fn:normalize-space(string) fn:normalize-space()	删除指定字符串的首尾空白，并把内部连续空白压缩为一个，然后返回结果。没有参数，则处理当前节点。
		fn:normalize-unicode()	执行 Unicode 规格化。
		fn:upper-case(string)	把 string 参数转换为大写。
		fn:lower-case(string)	把 string 参数转换为小写。
		fn:translate(string1,string2,string3)	把 string1 中的 string2 替换为 string3。 例子：translate('12:30','30','45') 结果：'12:45' 例子：translate('12:30','03','54') 结果：'12:45' 例子：translate('12:30','0123','abcd') 结果：'bc:da'
		fn:escape-uri(stringURI,esc-res)	例子：escape-uri("http://example.com/test#car", true()) 结果："http%3A%2F%2Fexample.com%2Ftest#car" 例子：escape-uri("http://example.com/test#car", false()) 结果：http://example.com/test#car 例子：escape-uri ("http://example.com/~bébé", false()) 结果："http://example.com/~b%C3%A9b%C3%A9"
		fn:contains(string1,string2)	如果 string1 包含 string2，则返回 true，否则返回 false。
		fn:starts-with(string1,string2)	如果 string1 以 string2 开始，则返回 true，否则返回 false。
		fn:ends-with(string1,string2)	如果 string1 以 string2 结尾，则返回 true，否则返回 false。
		fn:substring-before(string1,string2)	返回 string2 在 string1 中出现之前的子字符串。
		fn:substring-after(string1,string2)	返回 string2 在 string1 中出现之后的子字符串。
		fn:matches(string,pattern)	如果 string 参数匹配指定的模式，则返回 true，否则返回 false。
		fn:replace(string,pattern,replace)	把指定的模式替换为 replace 参数，并返回结果。
		fn:tokenize(string,pattern)	例子：tokenize("XPath is fun", "\s+") 结果：("XPath", "is", "fun")
anyURI函数		fn:resolve-uri(relative,base)
逻辑函数		fn:boolean(arg)	返回数字、字符串或节点集的布尔值。
		fn:not(arg)	首先通过 boolean() 函数把参数还原为一个布尔值，然后再取反。
		fn:true()	返回布尔值 true。
		fn:false()	返回布尔值 false。
日期时间函数		fn:dateTime(date,time)	把参数转换为日期和时间。
		fn:years-from-duration(datetimedur)	返回参数值的年份部分的整数，以标准词汇表示法来表示。
		fn:months-from-duration(datetimedur)	返回参数值的月份部分的整数，以标准词汇表示法来表示。
		fn:days-from-duration(datetimedur)	返回参数值的天部分的整数，以标准词汇表示法来表示。
		fn:hours-from-duration(datetimedur)	返回参数值的小时部分的整数，以标准词汇表示法来表示。
		fn:minutes-from-duration(datetimedur)	返回参数值的分钟部分的整数，以标准词汇表示法来表示。
		fn:seconds-from-duration(datetimedur)	返回参数值的分钟部分的十进制数，以标准词汇表示法来表示。
		fn:year-from-dateTime(datetime)	返回参数本地值的年部分的整数。
		fn:month-from-dateTime(datetime)	返回参数本地值的月部分的整数。
		fn:day-from-dateTime(datetime)	返回参数本地值的天部分的整数。
		fn:hours-from-dateTime(datetime)	返回参数本地值的小时部分的整数。
		fn:minutes-from-dateTime(datetime)	返回参数本地值的分钟部分的整数。
		fn:seconds-from-dateTime(datetime)	返回参数本地值的秒部分的十进制数。
		fn:timezone-from-dateTime(datetime)	返回参数的时区部分，如果存在。
		fn:year-from-date(date)	返回参数本地值中表示年的整数。
		fn:month-from-date(date)	返回参数本地值中表示月的整数。
		fn:day-from-date(date)	返回参数本地值中表示天的整数。
		fn:timezone-from-date(date)	返回参数的时区部分，如果存在。
		fn:hours-from-time(time)	返回参数本地值中表示小时部分的整数。
		fn:minutes-from-time(time)	返回参数本地值中表示分钟部分的整数。
		fn:seconds-from-time(time)	返回参数本地值中表示秒部分的整数。
		fn:timezone-from-time(time)	返回参数的时区部分，如果存在。
		fn:adjust-dateTime-to-timezone(datetime,timezone)	如果 timezone 参数为空，则返回没有时区的 dateTime。否则返回带有时区的 dateTime。
		fn:adjust-date-to-timezone(date,timezone)	如果 timezone 参数为空，则返回没有时区的 date。否则返回带有时区的 date。
		fn:adjust-time-to-timezone(time,timezone)	如果 timezone 参数为空，则返回没有时区的 time。否则返回带有时区的 time。
QName相关函数		fn:QName()
		fn:local-name-from-QName()
		fn:namespace-uri-from-QName()
		fn:namespace-uri-for-prefix()
		fn:in-scope-prefixes()
		fn:resolve-QName()
节点函数		fn:name() fn:name(nodeset)	返回当前节点的名称或指定节点集中的第一个节点。
		fn:local-name() fn:local-name(nodeset)	返回当前节点的名称或指定节点集中的第一个节点 - 不带有命名空间前缀。
		fn:namespace-uri() fn:namespace-uri(nodeset)	返回当前节点或指定节点集中第一个节点的命名空间 URI。
		fn:lang(lang)	如果当前节点的语言匹配指定的语言，则返回 true。 例子：Lang("en") is true for <p xml:lang="en">...</p> 例子：Lang("de") is false for <p xml:lang="en">...</p>
		fn:root() fn:root(node)	返回当前节点或指定的节点所属的节点树的根节点。通常是文档节点。
上下文函数		fn:position()	返回当前正在被处理的节点的 index 位置。 例子：//book[position()<=3] 结果：选择前三个 book 元素
		fn:last()	返回在被处理的节点列表中的项目数目。 例子：//book[last()] 结果：选择最后一个 book 元素
		fn:current-dateTime()	返回当前的 dateTime（带有时区）。
		fn:current-date()	返回当前的日期（带有时区）。
		fn:current-time()	返回当前的时间（带有时区）。
		fn:implicit-timezone()	返回隐式时区的值。
		fn:default-collation()	返回默认对照的值。
		fn:static-base-uri()	返回 base-uri 的值。
序列函数	一般序列函数	fn:index-of((item,item,...),searchitem)	返回在项目序列中等于 searchitem 参数的位置。 例子：index-of ((15, 40, 25, 40, 10), 40) 结果：(2, 4)
		fn:remove((item,item,...),position)	返回由 item 参数构造的新序列 - 同时删除 position 参数指定的项目。
		fn:empty(item,item,...)	如果参数值是空序列，则返回 true，否则返回 false。
		fn:exists(item,item,...)	如果参数值不是空序列，则返回 true，否则返回 false。
		fn:distinct-values((item,item,...),collation)	返回唯一不同的值。 例子：distinct-values((1, 2, 3, 1, 2)) 结果：(1, 2, 3)
		fn:insert-before((item,item,...),pos,inserts)	返回由 item 参数构造的新序列 - 同时在 pos 参数指定位置插入 inserts 参数的值。
		fn:reverse((item,item,...))	返回指定的项目的颠倒顺序。
		fn:subsequence((item,item,...),start,len)	返回 start 参数指定的位置返回项目序列，序列的长度由 len 参数指定。第一个项目的位置是 1。
		fn:unordered((item,item,...))	依据实现决定的顺序来返回项目。
	容量测试函数	fn:zero-or-one(item,item,...)	如果参数包含零个或一个项目，则返回参数，否则生成错误。
		fn:one-or-more(item,item,...)	如果参数包含一个或多个项目，则返回参数，否则生成错误。
		fn:exactly-one(item,item,...)	如果参数包含一个项目，则返回参数，否则生成错误。
	比较函数	fn:deep-equal(param1,param2,collation)	如果 param1 和 param2 与彼此相等（deep-equal），则返回 true，否则返回 false。
	合计函数	fn:count((item,item,...))	返回节点的数量。
		fn:avg((arg,arg,...))	返回参数值的平均数。
		fn:max((arg,arg,...))	返回参数中的最大值。
		fn:min((arg,arg,...))	返回参数中的最小值。
		fn:sum(arg,arg,...)	返回指定节点集中每个节点的数值的总和。
	序列生成函数	fn:id((string,string,...),node)
		fn:idref((string,string,...),node)
		fn:data((item1,item2,...))	返回item1、item2等各项的值所组成的序列。
		fn:doc(URI)
		fn:doc-available(URI)	如果 doc() 函数返回文档节点，则返回 true，否则返回 false。
		fn:collection() fn:collection(string)

很明显，把这些内置函数放在这里的目的并不是要强行记住，而只是需要的时候当字典查查（XQuery1.0和XPath共享了这些内置函数，有事没事看看，混个眼熟也挺好的）。