XPath 中的“节点（Node）”完全讲解
（看完这篇你就彻底明白 XPath 的 7 种节点到底是什么，怎么用）
XPath 把整个 HTML/XML 文档看成一棵节点树，一切操作都是在这棵树上找节点、跳来跳去。
1. XPath 到底有 7 种节点类型（记住这 7 个就够用了）
| 节点类型 | 中文名 | 说明与常见用法 | 举例（HTML片段） |
|---|---|---|---|
| 1. 元素节点（Element） | 元素 | 最常见，就是标签 、、 等 | //div、//a[@href] |
| 2. 属性节点（Attribute） | 属性 | id、class、href、src 等 | //input[@id=’kw’] → @id 就是属性节点 |
| 3. 文本节点（Text） | 文本 | 标签里面的纯文字 | //a/text() → 取出“新闻”两个字 |
| 4. 命名空间节点 | 命名空间 | XML 中才常见，HTML 基本不用 | 忽略 |
| 5. 处理指令节点 | 处理指令 | 这种，HTML 不用 | 忽略 |
| 6. 注释节点（Comment） | 注释 | //comment() | |
| 7. 根节点（Root） | 文档根节点 | 整个文档最顶层，位于 之上，只有一个 | / （单个斜杠就代表根节点） |
日常 99% 的场景你只关心前 3 种：元素、属性、文本。
2. 实际例子（百度首页一段代码）
<div id="s-top-left">
<a href="https://www.baidu.com/news" class="mnav">新闻</a>
<!-- 哈哈我是注释 -->
<a href="https://haokan.baidu.com">哈哈</a>
</div>这时候的节点树长这样：
根节点（/）
└── 元素节点 <html>
└── 元素节点 <div id="s-top-left">
├── 属性节点 id="s-top-left"
├── 文本节点（换行+空格）
├── 元素节点 <a href="...">
│ ├── 属性节点 href="https://www.baidu.com/news"
│ ├── 属性节点 class="mnav"
│ └── 文本节点 "新闻"
├── 文本节点（换行+空格）
├── 注释节点 <!-- 哈哈我是注释 -->
├── 文本节点（换行+空格）
└── 元素节点 <a ...>哈哈</a>3. 常用节点写法一览表（直接背）
| 想要取什么 | XPath 写法 | 结果 |
|---|---|---|
| 所有 div 元素节点 | //div | 所有 标签 |
| id 属性节点的值 | //div/@id | “s-top-left” |
| 第一个 a 的文本节点 | (//a)[1]/text() | “新闻” |
| 所有文本节点（包括空格） | //div/text() | 三个文本节点（换行、空格） |
| 干净的文本（推荐） | normalize-space(//div) | “新闻 哈哈”（自动去掉多余空格换行） |
| 所有注释 | //comment() | |
| 整个文档根节点 | / | 整个文档 |
| 当前节点 | . | 正在操作的那个节点 |
| 父节点 | .. 或 parent::* | 上级标签 |
4. 超级实用的文本节点技巧（爬虫必备）
//a[text()='新闻'] → 完全相等（前后不能有空格）
//a[contains(text(),'新闻')] → 包含“新闻”即可（但只看第一个文本节点）
//a[contains(.,'新闻')] → 推荐！点 . 代表当前元素所有文本节点拼接后的内容
normalize-space(//div) → 把所有子文本+空格合并后去首尾空格
string(//div) → 把整个元素下所有文本连起来取第一条（常用于取价格）5. 一句话总结节点关系
- 元素节点 → 可以有子元素、属性、文本
- 属性节点 → 永远是元素的“孩子”，但不是元素节点
- 文本节点 → 永远是元素节点的“孩子”
- 根节点 → 整棵树的最高祖宗，/ 代表它
记住：在 XPath 眼里，网页不是标签堆出来的，而是由这 7 种节点搭成的一棵家谱树。
现在你已经彻底搞懂 XPath 的“节点”了！
要不要我给你出一套节点练习题？10分钟搞定就能写出任何复杂定位～
