【进阶篇】高级数据解析：XPath和正则表达式进阶

# 2.1 XPath语法和函数

### 2.1.1 XPath的基本语法

XPath是一种基于路径的语言，用于在XML文档中查找元素和属性。其基本语法如下：

/root-element/child-element/grandchild-element/...

其中：

* `/`表示从根元素开始。
* `root-element`是XML文档的根元素。
* `child-element`是根元素的子元素。
* `grandchild-element`是子元素的子元素。
* `...`表示路径可以继续延伸。

例如，以下XPath表达式查找名为`book`的根元素下所有名为`title`的子元素：

/book/title

# 2. XPath进阶应用

### 2.1 XPath语法和函数

#### 2.1.1 XPath的基本语法

XPath（XML路径语言）是一种用于在XML文档中导航和查询数据的语言。它的语法基于路径表达式，类似于文件系统中的路径。

XPath表达式由以下组成：

- **轴：**指定要遍历的节点类型，如`child::`、`parent::`、`following-sibling::`等。
- **节点测试：**指定要匹配的节点类型，如`element()`、`text()`、`attribute()`等。
- **谓词：**用于对匹配的节点进行进一步过滤，如`[condition]`。

例如，以下XPath表达式查找`book`元素的所有子元素：

/book/*

#### 2.1.2 XPath的函数和运算符

XPath提供了丰富的函数和运算符，用于处理和转换数据。

**函数：**

- `string()`：将节点转换为字符串。
- `number()`：将节点转换为数字。
- `boolean()`：将节点转换为布尔值。
- `concat()`：连接字符串。
- `substring()`：提取字符串的一部分。

**运算符：**

- `+`：字符串连接。
- `-`：数字减法。
- `*`：数字乘法。
- `/`：数字除法。
- `=`：相等比较。
- `!=`：不相等比较。

例如，以下XPath表达式使用`substring()`函数提取`book`元素的标题：

/book/title/substring(1, 10)

### 2.2 XPath在XML处理中的应用

#### 2.2.1 XML文档的结构和解析

XML（可扩展标记语言）是一种用于表示和存储数据的标记语言。它具有树状结构，由元素、属性和文本组成。

XPath可以用来解析XML文档并提取特定信息。例如，以下代码块使用XPath解析一个XML文档并提取所有`book`元素的标题：

import xml.etree.ElementTree as ET

tree = ET.parse('books.xml')
root = tree.getroot()

for book in root.findall('book'):
    print(book.find('title').text)

#### 2.2.2 XPath在XML查询和提取中的使用

XPath可以用于执行各种XML查询和提取操作，包括：

- **查找元素：**使用轴和节点测试查找特定元素。
- **提取属性：**使用`@`符号提取元素的属性。
- **过滤节点：**使用谓词过滤匹配的节点。
- **导航文档：**使用轴遍历文档中的节点。

例如，以下XPath表达式查找所有具有`author`属性为`"John Doe"`的`book`元素：

/book[@author="John Doe"]

# 3.1 正则表达式语法和元字符

#### 3.1.1 正则表达式的基本语法

正则表达式是一种用于匹配文本模式的特殊语法。它使用一系列元字符和语法规则来定义要匹配的