写爬虫的朋友，估计都遇到过这种糟心事儿：本来想抓个商品价格，结果爬回来一堆乱七八糟的广告；更坑的是，好不容易写好的代码，没跑两天，网站一改版，所有选择器全失效，白忙活一场。
其实不用愁，这种时候，XPath就能救场——它就是专门用来精准定位网页元素的“神器”。
先给大家讲个我自己的真实经历
上个月，我想爬一个电商网站的商品信息，一开始用CSS选择器写了几行代码，试了试，能正常运行，数据也顺利抓下来了，当时还挺开心。
结果呢？才过了三天，网站前端改了个版，我再运行代码，直接报错，啥数据都抓不到了。后来一查才知道，原来网页里表示价格的类名，从“.price”改成了“.sale-price”——就因为一个名字的变化，我之前写的代码全废了。
你们是不是也遇到过这种情况？真的特别让人崩溃。
后来我就换成了XPath，不再盯着类名、ID这些容易变的东西，而是根据价格在页面里的位置特征来定位，比如“商品详情页右边那个红色的数字”。
别说，还真管用！哪怕页面再改样式，只要整体结构没大变动，XPath依然能精准找到我要的元素。
这就是XPath最牛的地方：它不依赖你给元素起的类名或者ID，只看这个元素在网页文档里的“地址”和“亲戚关系”，不容易失效。
XPath到底是什么？一句话给你说透
咱们把HTML网页想象成一棵大树就好理解了：最外层的<html>是树根，里面的<head>和<body>是树干，而那些<div>、<p>、<a>标签，就是树上的树枝和树叶。
XPath呢，就是一套“找树叶”的语言——告诉你怎么从树根出发，一步步找到你想要的那片“叶子”（也就是网页元素）。
举个例子，有这么一段XPath：`/html/body/div[2]/p[1]/text()`
翻译成人话就是：从网页最根上开始，先找到body，再找到里面的第二个div，然后取这个div里的第一个p标签，最后把p标签里的文字拿出来，就这么简单。
常用写法，记住这几种就够⽤，不用死记硬背
1. 绝对路径（不推荐）
比如：`/html/body/div[1]/div[2]/a`
这种写法太死板了，就像一张手写的寻宝地图，一步都不能错。网页稍微改个层级，比如多套一个div、少一个div，这个路径就失效了，新手千万别一开始就用这个。
2. 相对路径（强烈推荐，灵活又好用）
比如：`//div[@class='price']/text()`
开头的`//`特别关键，意思是“从网页任何位置开始找”，不用从头一步步数层级，灵活多了，大部分时候用这个就够了。
3. 按属性筛选（最常用的场景）
比如找用户名输入框：`//input[@id='username']`
找指定链接：`//a[@href='https://example.com']`
还能多条件筛选，比如找类名为product、且数据类型是book的div：`//div[@class='product' and @data-type='book']`
4. 按文本内容找（CSS做不到的功能）
比如：`//button[contains(text(), '登录')]`
意思就是：只要按钮上的文字里包含“登录”两个字，不管它的类名、ID是什么，都能找到。这个在对付多语言网站的时候，特别好用。
5. 按位置索引（找第几个元素超方便）
`//ul/li[1]` —— 找ul标签里的第一个li
`//ul/li[last()]` —— 找ul标签里的最后一个li
`//ul/li[position()<3]` —— 找ul标签里的前两个li
实战演示：从知乎首页抓问题标题
咱们打开知乎首页，按F12打开开发者工具，看一下问题标题的元素结构，大概是这样的：
<h2 class="QuestionTitle">
<a>你写过哪些实用的Python代码？</a>
</h2>
如果用CSS选择器，写法是：`.QuestionTitle a`
用XPath的话，就是：`//h2[@class='QuestionTitle']/a/text()`
但你们想过没有，如果知乎改版，把class名改成“ZhihuQuestionTitle”，CSS选择器就废了，但XPath可以这么写：`//h2[contains(@class, 'Title')]/a/text()`
翻译过来就是：只要是h2标签，它的class里包含“Title”这三个字母，不管你怎么改类名，我都能找到它——这就是XPath的灵活性！
一个小技巧，让你的爬虫更稳，少踩坑
重点来了：别用完整的绝对路径，多用电`//`和`contains()`，这俩组合起来，能避开很多改版的坑。
举个例子，你想抓某网站的文章正文，一开始可能找到的路径是：`//div[@id='article']/div[@class='content']/p`
但如果有一天，网站在article和content之间，多套了一层div，你的XPath就失效了。
改成这样就稳了：`//div[@id='article']//p`
中间的`//`表示“中间可以跳过任意层级”，不管它在article里面套多少层div，所有的p标签（也就是正文内容）都能抓到，再也不怕网站小改版了。
XPath和CSS选择器，到底该用哪个？别纠结
很多新手都会纠结，到底选哪个，其实很简单，看场景来选就好，给大家整理好了：
| 使用场景 | 推荐选择 |
|---|---|
| 根据id或class快速定位元素 | CSS选择器（更快、写法更简洁） |
| 根据文本内容找元素（比如找“登录”按钮） | XPath（CSS根本做不到） |
| 需要向上找父元素 | XPath（CSS做不到） |
| 网页结构不稳定，但元素特征稳定（经常改版） | XPath |
| 做大规模爬虫，对性能要求高 | CSS选择器（一般比XPath快10-20%） |
两个新手必踩的坑，提前避开，少走弯路
坑一：索引从1开始，不是0！
这是最容易出错的地方！咱们写Python、Java的时候，索引都是从0开始，但XPath不一样，`//div[1]`指的是第一个div，不是第二个。很多新手一开始都会写错，记牢这一点，能省很多麻烦。
坑二：小心命名空间的坑
有些网页会用XML命名空间，标签会变成<x:div>这种样子，这时候如果直接写`//div`，是匹配不到的。正确的写法是`//*[local-name()='div']`，这样就能忽略命名空间，正常匹配到div标签了。
总结
其实XPath的学习成本真不高，不用死记硬背所有语法，记住上面说的几种常用写法和避坑技巧，就能应对大部分爬虫场景。
而且一旦你掌握了它，就会发现，很多CSS选择器搞不定的难题，它两三行代码就能解决。尤其是爬那些经常改版、页面结构杂乱的网站时，XPath绝对是你的救命稻草。
你可以把它想象成一个“能听懂人话”的定位系统——你跟它说“找那个价格旁边的红色按钮”，它就能精准给你找出来，不用你一点点去抠标签、抠类名。
下次写爬虫，不妨试试用XPath来写定位，你会发现，原来网页元素不是杂乱无章的，而是一棵能按图索骥的树，抓数据也会变得简单又高效。