正则表达式和 CSS 选择器以及 XPath

正则表达式

正则表达式主要用于字符串匹配，使用正则表达式之前需要了解各个符号的含义，这里推荐 菜鸟教程，在了解语法之后我们可以通过 regex101 进行正则表达式的测试。

CSS 选择器

CSS 选择器用于筛选 HTML 文档中的元素，可以通过元素的标签及元素的属性进行筛选，这里介绍使用过的一些小例子：

1. span[class=KnowledgeNetcont] > a::text
   筛选出 class 属性为 KnowledgeNetcont 的 span 标签下的 a 标签的文本内容。
2. a[href*=image]::attr(href)
   筛选出 a 标签的 href 属性值包含 image 的属性值。

XPath

XPath 也用于筛选 HTML 文档中的元素，主要基于文档的结构进行筛选，这里依旧介绍使用过的一些小例子：

1. xpath(".//a[@target='kcmstarget']").xpath('string(.)')
@ 用于选取属性，string(.) 取的当前节点下的所有文本（包含子标签的文本），整个的含义是选取当前节点下所有 target 属性值为 kcmstarget 的 a 标签下的所有文本。
2. xpath(".//em/text()")
   如果只想取的当前节点的文本而不需要子标签的文本则可以用 text() 去获取。
3. xpath("//div/a[text()='下一页']/@href")
   获取文本内容为下一页的 a 标签的 href 属性值。

---

参考资料

1. 正则表达式 – 教程
2. XPath 教程
3. CSS 选择器参考手册