XPathとは？
XPath（XML Path Language）とは、XML文書内の要素や属性を選択するための言語です。階層的なパス表現を用いてXML文書内の位置を表現し、特定の要素や属性を指定して抽出したり、特定のパターンに一致するノードを検索したりします。XPathの基本的な構文は、ファイルシステムのディレクトリ構造をナビゲートする方法に似ています。この記事では、その基本的な使い方をいくつか紹介します。
タグ（要素）で指定する場合
タグ（要素）を指定して情報を抽出する方法を見ていきましょう。例えば、以下のようなHTML文書があります。
<div>
<article>
<h1>パン屋さん</h1>
<p>カレーパンが美味しいです。</p>
</article>
</div>
このHTMLから『パン屋さん』を取得するためには、絶対XPathの書き方や、"//"を用いて途中までのパスを省略する短いXPathの書き方があります。
絶対XPathは以下のようになります。
/html/body/div/article/h1
短いXPathは以下のようになります。
//article/h1
属性で指定する場合
次に属性を指定して情報を抽出する方法を見ていきましょう。XPathでは属性を"@"で表現します。例えば、以下のようなHTML文書があります。
<div>
<article>
<h1>パン屋さん</h1>
<p id='description'>カレーパンが美味しいです。</p>
</article>
</div>
"カレーパンが美味しいです。"というテキストを持つp要素を取得するには、以下のように書きます。
//p[@id=description]
一般化すると、この形になります。
//タグ名[@属性名="属性値"]
そして、特定の属性値を持つすべての要素を取得するには、以下のように書きます。
//*[@属性名="属性値"]
のように書きます。
クラスで指定する場合
例えば、以下のようなHTML文書があります。
<div>
<article class='featured'>
<h1>コーヒーショップ</h1>
<p class='description'>自家焙煎のコーヒー豆が自慢です。</p>
</article>
</div>
クラス名が 'featured' のarticle要素を取得したい場合、次のようなXPathを使用します。
//article[@class='featured']
ネストされた要素で指定する場合
XPathはネストされた要素の抽出にも非常に便利です。以下のようなHTML文書があります。
<div>
<ul id='menu'>
<li class='item'>ホットコーヒー</li>
<li class='item'>アイスコーヒー</li>
<li class='item'>カフェラテ</li>
</ul>
</div>
ここで、idが 'menu' のul要素の下にあるすべてのli要素を取得したい場合、次のようなXPathを使用します。
//ul[@id='menu']/li
また、クラス名が 'item' のすべてのli要素を取得したい場合、次のようにします。
//li[@class='item']
その他、Xpathの書き方よく使う関数については以下の記事をお読みください。
最後に
XPathを理解し使いこなすことで、XMLデータの抽出がより効率的になり、作業がスムーズに進行します。ぜひ活用してみてください。
Discussion