获取页面内容除使用正则意外，还可以使用XPath，其原理是将html代码转换为xml格式，然后使用XPath查找html节点或元素。
XPath使用路径表达式来选取XML文档中的节点或节点集。
常用的路径表达式见下表：
| 表达式 | 描述 |
|---|---|
| nodename | 选取此节点的所有子节点 |
| / | 从根节点选取 |
| // | 从匹配选择的当前节点选择文档中的节点，不考虑其是否为子级 |
| . | 选取当前节点 |
| .. | 选取当前节点的父节点 |
| @ | 选取属性 |
谓语用来查找某个特定的节点或者包含某个指定的值得节点，被嵌在方括号中。
| 路径表达式 | 释义 |
|---|---|
| /one/two[1] | 选取属于one子元素的第一个two元素 |
| /one/two[last()] | 选取属于one子元素的最后一个two元素 |
| /one/two[last()-1] | 选取属于one子元素的倒数第二个two元素 |
| /one/two[position()<3] | 选取最前面的两个属于one元素的子元素two元素 |
| //one[@lang] | 选取所有拥有名为lang的属性的one元素 |
| //one[@lang=‘test‘] | 选取所有拥有值为test的lang属性的one元素 |
| /one/two[position>10] | 选取one元素的所有two元素，且其中position属性的值大于10 |
原文：https://www.cnblogs.com/peilanluo/p/10311827.html