Язык разметки XML с самого первого стандарта окружает пользователей компьютеров. Таблицы в Excel, выгрузки из интернет-магазинов, RSS-ленты с новостями — все это основано на XML. Хоть визуальное отображение отличается на устройствах и в программах, но в основе всегда лежит единый формат.

Внутри XML-файла может находиться огромное количество информации, поэтому и встает вопрос о перемещении и выборке внутри документа. Как это сделать быстро? Какие средства применять, чтобы в интернет-магазине найти нужный товар из десятков тысяч других? Для навигации и поиска внутри XML используется

язык запросов XPath.

В этой статье разберем:

• для кого может быть полезен

  XPath

• базовые конструкции языка для поиска информации в XML
• чем XPath отличается от CSS-селекторов при поиске в HTML

Синтаксис XPath

Для начала создадим базовый пример XML, с которым и будем работать весь урок. Например, список курсов по верстке на Хекслете в XML будет выглядеть так:

<?xml version="1.0" encoding="UTF-8"?>
<courses>
  <title>Курсы HTML и CSS (верстка)</title>
  <description>На курсах по верстке вы познакомитесь с основами HTML и CSS, научитесь верстать адаптивные страницы, работать с препроцессорами. Освоите современные технологии и инструменты, включая Flex, Sass, Bootstrap.</description>
  <course>
    <name>Основы современной верстки</name>
    <tags>HTML5, CSS, DevTools, верстка</tags>
    <duration value="9{C}{C}{C}">9 часов</duration>
    <url lang="ru{C}{C}{C}">https://ru.hexlet.io/courses/layout-designer-basics</url>
    <url lang="en{C}{C}{C}">https://hexlet.io/courses/layout-designer-basics</url>
  </course>
  <course>
    <name>Основы верстки контента</name>
    <tags>CSS3, HTML5, Селекторы, Доступность, CSS Columns, CSS Units, Верстка</tags>
    <duration value="18{C}{C}{C}">18 часов</duration>
    <url lang="ru{C}{C}{C}">https://ru.hexlet.io/courses/css-content</url>
    <url lang="en{C}{C}{C}">https://hexlet.io/courses/css-content</url>
  </course>
  <course>
    <name>Bootstrap 5: Основы верстки</name>
    <tags>Bootstrap 5, Адаптивность, HTML, CSS3</tags>
    <duration value="10{C}{C}{C}">10 часов</duration>
    <url lang="ru{C}{C}{C}">https://ru.hexlet.io/courses/bootstrap_basic</url>
    <url lang="en{C}{C}{C}">https://hexlet.io/courses/bootstrap_basic</url>
  </course>
</courses>

Это учебный пример, но для отработки навыков XPath подойдет и любой другой XML. Принципы XPath сохранятся при любой структуре файла, потому что по стандарту XML можно использовать элементы с произвольными тегами.

Для тестирования результата подойдут такие онлайн-сервисы, как:

• Code Beautify
• XPather

Абсолютные пути

Самый простой запрос состоит из обращения к корневому элементу. Для этого достаточно выполнить запрос

/courses. Нам вернется XML в почти таком же виде, что и в примере выше. Обратите внимание на строку

<?xml version="1.0" encoding="UTF-8"?>. Она отличается, потому что элемент не внутри

<courses>:

<courses>
  <title>Курсы HTML и CSS (верстка)</title>
  <description>На курсах по верстке вы познакомитесь с основами HTML и CSS, научитесь верстать адаптивные страницы, работать с препроцессорами. Освоите современные технологии и инструменты, включая Flex, Sass, Bootstrap.</description>
  <course>
    <name>Основы современной верстки</name>
    <tags>HTML5, CSS, DevTools, верстка</tags>
    <duration value="9{C}{C}{C}">9 часов</duration>
    <url lang="ru{C}{C}{C}">https://ru.hexlet.io/courses/layout-designer-basics</url>
    <url lang="en{C}{C}{C}">https://hexlet.io/courses/layout-designer-basics</url>
  </course>
  <course>
    <name>Основы верстки контента</name>
    <tags>CSS3, HTML5, Селекторы, Доступность, CSS Columns, CSS Units, Верстка</tags>
    <duration value="18{C}{C}{C}">18 часов</duration>
    <url lang="ru{C}{C}{C}">https://ru.hexlet.io/courses/css-content</url>
    <url lang="en{C}{C}{C}">https://hexlet.io/courses/css-content</url>
  </course>
  <course>
    <name>Bootstrap 5: Основы верстки</name>
    <tags>Bootstrap 5, Адаптивность, HTML, CSS3</tags>
    <duration value="10{C}{C}{C}">10 часов</duration>
    <url lang="ru{C}{C}{C}">https://ru.hexlet.io/courses/bootstrap_basic</url>
    <url lang="en{C}{C}{C}">https://hexlet.io/courses/bootstrap_basic</url>
  </course>
</courses>

В качестве результата XPath возвращает узлы XML-документа.

Продолжим цепочку и обратимся к описанию из элемента

<description>. Для этого добавим в запрос путь к

description:

/courses/description. Результатом выполнения станет:

<description>На курсах по верстке вы познакомитесь с основами HTML и CSS, научитесь верстать адаптивные страницы, работать с препроцессорами. Освоите современные технологии и инструменты, включая Flex, Sass, Bootstrap.</description>

Путь, который строится от корневого элемента, называется

абсолютным. Используем схему из прошлого запроса и обратимся к любому элементу внутри XML.

Попробуем обратиться к имени курса. В этом случае вернется поле

<name> из всех курсов. Запрос

/courses/course/name вернет:

<name>Основы современной верстки</name>
<name>Основы верстки контента</name>
<name>Bootstrap 5: Основы верстки</name>

Вот список некоторых базовых запросов и их результат:

Относительные пути

Прошлые запросы строились с помощью абсолютных путей — то есть мы указывали полный путь до информации. Бывают ситуации, когда полный путь не подходит: например, мы хотим обраться к какому-то уникальному полю или не знаем полный путь. В этом случае можно использовать

относительный путь — он произведет поиск по всему XML и вернет узлы, подходящие под запрос.

Чтобы записать относительный путь, нужно использовать конструкцию

//. После нее можно написать любое поле и получить результат. Например,

//name вернет поля

<name> из всего XML:

<name>Основы современной верстки</name>
<name>Основы верстки контента</name>
<name>Bootstrap 5: Основы верстки</name>

Проблема такого подхода — уникальность полей. В документах одни и те же имена полей могут обозначать разные данные в зависимости от расположения. Поэтому используйте относительные пути только там, где уверены в возвращаемых данных. Например, в нашем примере название курса может быть заключено в

<title>:

<courses>
  <title>Курсы HTML и CSS (верстка)</title>
  <!-- ... -->
    
  <course>
    <title>Основы современной верстки</title>
    <!-- ... -->
  </course>
    
  <course>
    <title>Основы верстки контента</title>
    <!-- ... -->
  </course>
    
  <course>
    <title>Bootstrap 5: Основы верстки</title>
    <!-- ... -->
  </course>
    
</courses>

Запрос

//title вернет не только имена курсов, но и узел, который находится в

<courses>:

<title>Курсы HTML и CSS (верстка)</title>
<title>Основы современной верстки</title>
<title>Основы верстки контента</title>
<title>Bootstrap 5: Основы верстки</title>

Чтобы сэкономить пару секунд, разработчики опускают корневой элемент и пользуются относительными путями. Например, вместо

/courses/course/name они пишут

//course/name. Для практики попробуйте прошлые примеры перевести на относительные пути с помощью такого механизма.

Несколько примеров запросов с идентичными ответами, как и в прошлой таблице:

Предикаты

В примерах запросов к именам возвращались имена всех найденных курсов. В некоторых ситуациях это может быть избыточно. Что делать, если хочется получить данные только по первому курсу в

<courses>? На помощь приходят

предикаты — конструкции, с помощью которых можно отфильтровать элементы по заданным условиям. 

Выберем ключевые слова первого курса по верстке. Для этого достаточно использовать запрос

//course[1]/tags:

<tags>HTML5, CSS, DevTools, верстка</tags>

Обратите внимание на

[1]. Это предикат с таким условием: «Взять элемент по индексу 1». Попробуйте сделать запрос ко второму или третьему элементу. Достаточно поменять всего одну цифру! 

В

XPath индексы элементов начинаются с единицы, а не с нуля, как в принятых стандартах программирования. Если вы уже программируете, это может немного запутать.

Предикаты помогают делать точные выборки. Например, получить ссылки на русскоязычные страницы курсов. Для этого нужно получить элементы

<url>, у которых атрибут

lang равен

ru. Делается это указанием атрибута и значения. Чтобы

XPath отличил атрибут от элемента перед атрибутом указывается символ

@. 

Теперь запрос будет выглядеть так:

//course/url[@lang="ru"]

<url lang="ru{C}{C}{C}">https://ru.hexlet.io/courses/layout-designer-basics</url>
<url lang="ru{C}{C}{C}">https://ru.hexlet.io/courses/css-content</url>
<url lang="ru{C}{C}{C}">https://ru.hexlet.io/courses/bootstrap_basic</url>

Иногда полезно выбрать элементы, которые имеют хоть какой-то атрибут. Для этого можно использовать конструкцию

//*[@*]:

<duration value="9{C}{C}{C}">9 часов</duration>
<url lang="ru{C}{C}{C}">https://ru.hexlet.io/courses/layout-designer-basics</url>
<url lang="en{C}{C}{C}">https://hexlet.io/courses/layout-designer-basics</url>
<duration value="18{C}{C}{C}">18 часов</duration>
<url lang="ru{C}{C}{C}">https://ru.hexlet.io/courses/css-content</url>
<url lang="en{C}{C}{C}">https://hexlet.io/courses/css-content</url>
<duration value="10{C}{C}{C}">10 часов</duration>
<url lang="ru{C}{C}{C}">https://ru.hexlet.io/courses/bootstrap_basic</url>
<url lang="en{C}{C}{C}">https://hexlet.io/courses/bootstrap_basic</url>

По примеру выше видно, знак

* обозначает «все/любой».

Когда выбраны элементы по атрибутам, можно произвести дополнительную фильтрацию по этим значениям. Например, найдем элементы

<duration> со значением атрибута

value больше

9. Внутри предикатов используются

операторы сравнения, знакомые по языкам программирования:

• > — больше
• < — меньше
• >= — больше или равно
• <= — меньше или равно
• = — равно
• != — не равно

Запрос будет выглядеть так:

//course/duration[@value > 9]:

<duration value="18{C}{C}{C}">18 часов</duration>
<duration value="10{C}{C}{C}">10 часов</duration>

Мы разобрались, как выбирать одно поле — это интересная, но редкая задача. Чаще разработчики обрабатывают данные по всему файлу или нескольким полям. Попробуем одновременно использовать предикат и обратиться к другим полям. Обратите внимание на два момента:

• Предикат необязательно должен идти в конце запроса
• Внутри предиката могут находиться новые пути, которые нужно проверить

Мы уже знаем, как с помощью предиката отфильтровать данные по полю

<duration>. Эту задачу мы выполняли с помощью конструкции

duration[@value > 9]. А теперь попробуем сделать эту конструкцию предикатом для

<course>. Так мы получим данные о курсах с длительностью больше 9 часов:

//course[duration[@value > 9]]:

<course>
  <title>Основы верстки контента</title>
  <tags>CSS3, HTML5, Селекторы, Доступность, CSS Columns, CSS Units, Верстка</tags>
  <duration value="18{C}{C}{C}">18 часов</duration>
  <url lang="ru{C}{C}{C}">https://ru.hexlet.io/courses/css-content</url>
  <url lang="en{C}{C}{C}">https://hexlet.io/courses/css-content</url>
</course>
<course>
  <title>Bootstrap 5: Основы верстки</title>
  <tags>Bootstrap 5, Адаптивность, HTML, CSS3</tags>
  <duration value="10{C}{C}{C}">10 часов</duration>
  <url lang="ru{C}{C}{C}">https://ru.hexlet.io/courses/bootstrap_basic</url>
  <url lang="en{C}{C}{C}">https://hexlet.io/courses/bootstrap_basic</url>
</course>

Можно продолжить этот запрос и получить только имена курсов. Тогда предикат будет в середине запроса, а не в его конце: `//course[duration[@value > 9]]/name

<name>Основы верстки контента</name>
<name>Bootstrap 5: Основы верстки</name>

Функции

В прошлых примерах запросы затрагивали теги и атрибуты. Сами данные мы не затрагивали, хотя это огромный пласт информации, по которой можно делать выборки. Для решения этой задачи используются встроенные в

XPath функции. Они являются частью предикатов — например,

@. Попробуем найти курс с названием «Основы верстки контента».

Для поиска по тексту внутри элемента используется функция

text(). Ее задача — получить текстовое значение элемента и сравнить его с условием по необходимости. Вот как будет выглядеть запрос для поиска курса с нужным именем:

//course[name[text()="Основы верстки контента"]]

<course>
  <name>Основы верстки контента</name>
  <tags>CSS3, HTML5, Селекторы, Доступность, CSS Columns, CSS Units, Верстка</tags>
  <duration value="18{C}{C}{C}">18 часов</duration>
  <url lang="ru{C}{C}{C}">https://ru.hexlet.io/courses/css:content</url>
  <url lang="en{C}{C}{C}">https://hexlet.io/courses/css:content</url>
</course>

Но что, если нам известно только часть названия? Для этого существует функция

contains(), которая принимает два аргумента:

1. Строка, где будет производиться поиск
2. Подстрока, которая будет искаться

Для примера найдем курс, у которого в ключевых словах есть слово «Bootstrap». Функция примет текстовое значение элемента

tags и найдет там слово «Bootstrap»:

//course[tags[contains(text(), "Bootstrap")]]

<course>
  <name>Bootstrap 5: Основы верстки</name>
  <tags>Bootstrap 5, Адаптивность, HTML, CSS3</tags>
  <duration value="10{C}{C}{C}">10 часов</duration>
  <url lang="ru{C}{C}{C}">https://ru.hexlet.io/courses/bootstrap_basic</url>
  <url lang="en{C}{C}{C}">https://hexlet.io/courses/bootstrap_basic</url>
</course>

В стандарте

XPath существует еще несколько функций, но цель статьи — показать принципы работы тех или иных механизмов, а не дать исчерпывающую документацию по всему языку.

Отличия от CSS-селекторов

Если вы писали на JavaScript, то знаете, что элементы можно искать с помощью CSS-селекторов, используя методы

querySelector() или

querySelectorAll(). Почему же разработчики иногда ищут элементы внутри HTML именно с помощью_XPath_?

Дело в концепции поиска элементов. Используя CSS, можно идти только в глубину без возможности обратиться к родительским элементам. В отличие от CSS,

XPath позволяет в любой момент обращаться и к дочерним, и к родительским элементам.

Если вы хотите подробнее изучить поиск по HTML с помощью XPath, рекомендуем обратиться к статье

Introduction to using XPath in JavaScript

С помощью CSS нельзя найти все элементы

div, внутри которых есть ссылки — можно найти сами ссылки, но не их родителей. XPath позволяет это сделать простым сочетанием

div[a]. Постепенно ситуация меняется: в CSS появился селектор

:has(), но он поддерживается еще не всеми новыми версиями браузеров. Со временем это изменится, но, пока реальность именно такая.

Другой пример — поиск элементов по тексту внутри них. С этой задачей CSS никогда не справится, так как такой задачи у него нет. XPath, как мы изучили, умеет это делать с помощью функции

text()

Кому нужен Xpath

Если коротко, Xpath нужен всем, кто работает с XML.

Чтобы разобраться подробнее, изучим несколько примеров:

SEO-специалисты. Специалисты по продвижению часто обрабатывают большие массивы данных и вытаскивают информацию со страниц сайта.

Например, для них критичны

мета-теги — дополнительная информация, в которой содержатся иконки сайтов, название страницы, описание и так далее. Эту информацию SEO-специалист может автоматически парсить с помощью запросов в

XPath.

Тестировщики. При работе с Front-end тестировщики часто проверяют тот или иной вывод информации на странице — для этого они выбирают отдельные элементы с нужной страницы. Это можно делать через

XPath и DevTools, встроенный в браузеры на основе

Chromium.

Разработчики. Они часто используют

парсеры — это скрипты, которые ищут нужную информацию на страницах одного или нескольких сайтов. Например, мы хотим сравнить стоимость одного и того же товара в разных магазинах. Для такой задачи можно написать скрипт, который пройдется по всем нужным сайтам, сравнит цены и вернет данные. В этом случае для поиска информацию на странице можно использовать

XPath.

Это лишь часть сценариев, в которых пригождается язык

XPath — на самом деле, их десятки.

Заключение

В этой статье мы рассмотрели, где встречается XML и кому он может пригодиться. Мы научились составлять базовые запросы и изучили часто используемые конструкции XPath:

• Абсолютные и относительные пути
• Предикаты
• Поиск по атрибутам
• Операторы сравнения
• Функции

Также теперь вы знаете, что поиск по HTML с помощью XPath может быть эффективнее поиска с помощью CSS-селекторов.

В этой статье мы постарались дать знания, которые помогут справиться с большинством задач. Но это далеко не все возможности XPath — это более глубокий язык, чем представлено в статье. Как и с другими технологиями, тут важно набить руку. Чем больше вы практикуетесь, тем более точные и полезные запросы пишете.