我们从本质讲起：XPath到底是什么？接着拆解基础语法的每一个关键——节点类型、路径表达式、谓词怎么用，帮你搭好完整框架；再用“爬取电商商品价格”“解析API XML数据”这样的真实场景，让你把语法变成“拿起来就能用的技能”；最后还会解锁高级技巧：轴方法定位“相邻节点”、多条件组合精准抓数据、动态页面的XPath应对……
不管你是刚入门的新手，还是想解决复杂问题的老手，看完这篇，你就能真正“吃透”XPath，再也不用为“找不到节点”发愁，下次遇到数据定位，直接用XPath“一击即中”！
你有没有过这种情况？爬电商数据时写的XPath老抓错，解析XML时找不到节点，或者页面结构一变，之前的表达式就“失效”了？去年帮做美食博客的朋友爬菜谱，他用CSS选择器抓了一堆广告标题，我换了条XPath，瞬间就把正菜谱名精准揪出来——不是他笨，是没摸透XPath的“底层逻辑”。今天这篇就把XPath的“导航密码+实战技巧”一次性说透，不管你是爬数据还是解析文件，看完就能直接用。
先搞懂XPath的“底层逻辑”：不是难，是你没找对“打开方式”
很多人觉得XPath抽象，其实它的本质特别简单——就是给结构化数据写“定位地址”的语言。就像你给朋友发定位，得说“XX路XX小区3栋2单元501”，XPath就是给数据写这样的“精准导航”。比如你要从淘宝页面抓商品名称，XPath会告诉你：“找所有class叫‘product-item’的div，再找里面的h3标签，取它的文本内容”。
我之前帮做电商调研的朋友爬数据，他一开始用绝对路径/HTML/body/div[3]/div[2]/h3，结果网站加了个导航栏，路径变成/HTML/body/header/div[3]/div[2]/h3，之前的表达式直接废了。后来我让他换相对路径//div[@class='product-item']//h3/text()，就算页面加了10个广告层，也能精准抓到商品名——这就是XPath的优势：能穿透复杂层级，稳定性远高于CSS选择器。
那XPath的基础语法到底要怎么记？其实就三类核心内容，结合例子讲，你5分钟就能懂：
XPath里的“节点”，就是数据的“小方块”，主要有3种，用淘宝商品页面的例子给你掰碎了讲：
，是数据的“容器”，像商品的“包装盒”；
属性节点：比如@class="product-item"，是元素的“身份证”，用来区分不同类型的节点；
文本节点：比如
番茄火锅底料
举个实际的例子：淘宝商品的HTML结构大概是这样的：
如果你要抓商品名称，XPath就是//div[@class='product-item']//h3/text()——这里@class是属性节点（筛选出“商品容器”），text()是文本节点（取h3里的文字）。新手最常犯的错就是忘加text()，我当初第一次写的时候，没加text()，结果抓回来的是
标签本身，不是里面的文字，差点把朋友的调研数据搞砸。
路径表达式：XPath的“导航规则”
XPath的路径分两种，绝对路径和相对路径，区别像“从小区大门走到家”vs“直接找单元楼”：
绝对路径：从根节点（HTML）开始写，比如/HTML/body/div[3]/h3，每一步都不能错。但缺点是页面结构一变就失效——比如网站加了个header，路径就变成/HTML/body/header/div[3]/h3，之前的表达式直接没用了；
相对路径：用//开头，比如//div[@class='product-item']//h3，不管中间隔了多少层（比如加了广告、导航），都能找到目标节点。我现在爬数据，90%的情况用相对路径，稳定性直接拉满。
再举个例子：你要抓知乎回答里的内容，绝对路径可能是/HTML/body/div[3]/div[2]/div[1]/p，但相对路径只要//div[@class='RichText']/p/text()——简单、好记，就算知乎改了页面布局，也不会影响结果。
谓词：XPath的“筛选器”
谓词就是“缩小范围的条件”，用[]括起来。比如你要找“第2个商品”，可以写//div[@class='product-item'][2]；要找“价格大于30的商品”，可以写//div[@class='product-item'][//span[@class='price']>30]。
我之前帮朋友爬生鲜电商的数据，遇到“同一款水果有多个规格”的情况——比如“500g装”和“1kg装”，用两个属性条件组合：//div[@class='sku' and @data-id='123']，瞬间就把“500g装”的价格抓准了。谓词可以叠加多个条件，用and连接，这样筛选出来的节点比单条件精准10倍。
从“会写”到“写好”：XPath的“实战技巧”和“高级玩法”
光懂基础还不够，得结合真实场景“落地”——毕竟你学XPath不是为了考试，是为了解决实际问题。我整理了3个高频场景+2个高级技巧，都是我爬了100个网站 出来的“避坑经验”。
场景1：爬取电商商品的“名称+价格”（新手必练）
步骤超简单，跟着做就能会，以淘宝为例：
打开开发者工具：按F12，点击“元素”面板的“选择器”（小箭头），点一下商品名称，就能定位到对应的节点（比如
番茄火锅底料
写XPath：
商品名称：//div[@class='product-item']//h3/text()（找所有商品容器里的h3文本）；
商品价格：//div[@class='product-item']//span[@class='price']/text()（找商品容器里的价格span文本）；
验证正确性：用Chrome插件“XPath Helper”（应用商店直接搜），把表达式粘进去，能实时看到结果——我每次写XPath都会先验证，避免白费功夫。
我朋友用这个方法，30分钟就爬了200个商品的名称和价格，比手动复制快了10倍。
场景2：解析XML文件（比如RSS订阅）
很多行业资讯网站用RSS feed分发内容（比如36氪、虎嗅），解析这种XML文件，XPath是“神器”。比如36氪的RSS结构是这样的：
2024年餐饮行业趋势
https://36kr.com/xxx
Mon, 01 Jan 2024 10:00:00 +0800
要抓标题和链接，XPath就是：
标题：//item/title/text()；
链接：//item/link/text()。
但要注意：如果XML有命名空间（比如atom:entry），得加前缀——比如BBC的RSS用了atom命名空间，XPath得写成//atom:entry/atom:title/text()，不然找不到节点。我之前解析BBC新闻时没加前缀，结果抓了个空，后来查了MDN的文档（https://developer.mozilla.org/zh-CN/docs/Web/XPath rel="nofollow"）才搞懂——命名空间是XML的“身份牌”，不加就找不到对应的节点。
高级技巧1：用“轴方法”处理“复杂关系”
轴（Axis）是XPath的“高级导航工具”，能帮你找“亲戚节点”——比如祖先、兄弟、后代。我最常用的两个轴，帮你解决90%的复杂场景：
following-sibling：找“后面的兄弟节点”。比如你要抓论坛里“帖子1”的下一个帖子，XPath是//div[@id='post1']/following-sibling::div[1]（following-sibling是轴，::后面跟节点类型，[1]是第1个）；
ancestor：找“祖先节点”。比如你要找某个图片的父级div，XPath是//img[@src='xxx.jpg']/ancestor::div[1]——能直接定位到图片所在的div，不用一层一层往上找。
我之前爬论坛回帖时，需要抓每个回帖的“作者”和“回复内容”——作者在div[@class='author']，回复内容在它的下一个兄弟节点div[@class='content']，用following-sibling轴，写//div[@class='author']/following-sibling::div[1]/text()，瞬间就把“作者下面的回复内容”抓准了，比用CSS选择器快多了。
高级技巧2：处理“动态加载”的页面
现在很多网站用Ajax动态加载内容——比如滚动到底部才会出现新商品，直接写XPath抓不到。这时候得用Chrome的“Network”面板看异步请求，或者用Selenium模拟滚动：
第一步：打开目标页面，按F12选“Network”面板，勾选“XHR”（异步请求）；
第二步：滚动页面，看新出现的请求——比如淘宝的商品数据，其实是从https://xxx.taobao.com/api/getGoods接口拿的JSON；
第三步：如果接口有反爬，用Selenium模拟滚动——比如用driver.execute_script("window.scrollTo(0, document.body.scrollHeight)")，等内容加载完再用XPath抓。
我之前帮朋友爬抖音商品榜，一开始用requests库抓，结果只拿到前10个商品，后来用Selenium模拟滚动5次，再用XPath//div[@class='goods-item']//h4/text()，终于把前50个商品都抓下来了。记住：动态加载的内容，得等页面渲染完再抓，不然XPath找不到节点。
给你整理了一份《XPath常用语法速查表》，保存下来，写的时候对着查，省得翻文档：
语法
说明
示例
//节点名
找所有该节点（相对路径）
//div[@class='product-item']
@属性
选属性节点
//div[@class='title']
text()
选文本节点
//h3/text()
[n]
选第n个节点
//div[@class='product-item'][2]
and
多条件组合
//div[@class='product-item' and @data-id='123']
其实XPath真的不难，关键是多练——你写完一个表达式，就用XPath Helper验证；遇到问题，就查MDN或W3C的文档（这两个是权威来源，不会错）。我当初学的时候，花了3天爬了5个网站的数据，现在写XPath基本不会错。
你要是按上面的方法试了，欢迎回来告诉我效果——比如你用XPath抓了什么数据，有没有遇到问题，我帮你看看。
XPath和CSS选择器有什么区别？我该选哪个？
其实两者都是定位页面元素的工具，但XPath的“精准度”和“稳定性”更胜一筹。比如我之前帮朋友的美食博客爬菜谱，他用CSS选择器抓回来一堆广告标题——因为CSS只能按“标签+class”选，容易混进无关内容；换XPath写//div[@class='recipe-item']//h3/text()，瞬间就把正菜谱名精准揪出来了。 XPath还能处理“复杂节点关系”（比如找兄弟节点、祖先节点），而CSS选择器做不到。如果是爬数据或解析结构化文件（比如XML），优先选XPath；如果是简单的页面元素定位，CSS也能用，但XPath的适用场景更广。
为什么大家都说相对路径比绝对路径好用？
绝对路径是从根节点（比如/HTML/body）开始“一步步数”，比如/HTML/body/div[3]/h3，每一步都不能错，但页面结构一变就失效——比如网站加个导航栏，原来的路径就变成/HTML/body/header/div[3]/h3，之前的表达式直接废了。而相对路径用//开头，比如//div[@class='product-item']//h3，不管中间隔了多少层（比如广告、导航），都能“穿透”找到目标节点。我现在爬数据90%的情况用相对路径，就算网站改布局，也不用重新写表达式，稳定性直接拉满。
谓词是用来干什么的？怎么用才能精准筛选？
谓词就是“给XPath加筛选条件”，用[]括起来，帮你缩小范围。比如你要找“第2个商品”，可以写//div[@class='product-item'][2]；要找“价格大于30的商品”，可以写//div[@class='product-item'][//span[@class='price']>30]；甚至能组合多个条件，比如//div[@class='product-item' and @data-id='123']，这样就能定位到“class是product-item且data-id是123”的节点。新手常犯的错是忘加谓词，结果抓了一堆无关内容，所以写XPath前先想“我要筛选什么条件”，再把条件放进[]里。
轴方法听起来好复杂，实际什么时候会用到？
轴方法是处理“复杂节点关系”的神器，比如找“兄弟节点”“祖先节点”的时候。比如你要抓论坛里“帖子1”的下一个帖子，用following-sibling轴写//div[@id='post1']/following-sibling::div[1]，就能直接找到下一个帖子；再比如你要找某个图片的父级div，用ancestor轴写//img[@src='xxx.jpg']/ancestor::div[1]，不用一层一层往上找。我之前爬论坛回帖时，需要抓“作者下面的回复内容”，用轴方法写//div[@class='author']/following-sibling::div[1]/text()，瞬间就精准定位了——轴方法就是帮你解决“常规路径找不到”的问题。
动态加载的页面，为什么我写的XPath抓不到内容？
因为动态加载的内容是用Ajax异步请求“后来加上的”，页面初始加载时根本没有这些节点，所以直接写XPath肯定抓不到。这时候有两个办法：一是打开Chrome的Network面板，勾选“XHR”（异步请求），滚动页面看新出现的请求——比如淘宝的商品数据其实是从接口拿的JSON，直接爬接口更高效；二是用Selenium模拟滚动，比如用driver.execute_script("window.scrollTo(0, document.body.scrollHeight)")，等内容加载完再用XPath抓。我之前爬抖音商品榜，一开始用requests抓不到后面的商品，换Selenium模拟滚动后，终于把前50个都抓下来了——动态页面的关键是“等内容渲染完再抓”。
