选择器

列举CSS、XPath、JSONPath、JMESPath、Regex、Text等类型的常见选择器语法。

CSS 选择器

基础

选择器说明
*所有元素
div所有 div 标签
.class具有类的所有元素
#id带 ID 的元素
@outerHTML元素的outerHTML [扩展语法]
@property元素的property属性 [扩展语法]

组合器

选择器说明
div.class具有特定类名的 div
div#id具有特定 ID 的 div
div pdiv 中的所有段落
div > p父元素是 div 的 P 标签
div + pdiv 之后的第一个同级 P 标签
div ~ pdiv 之后所有的同级 P 标签
div @outerHTML获取 div 的outerHTML [扩展语法]
a @href获取 a 的href属性 [扩展语法]

示例

选择器说明
article > .post-title
.post-meta a[itemprop="name"]
.post-meta time
.post-meta li:nth-child(3) > a
.post-meta *[itemprop="interactionCount"]
a[itemprop="keywords"] > a
#comments > h3
#comments > .comment-list > li > .comment-author > *[itemprop="creator"]
#comments > .comment-list > li > .comment-meta > *[itemprop="commentTime"]
#comments > .comment-list > li > .comment-content

属性选择器

选择器说明
a[target]带有target属性
a[target="_blank"]在新标签中打开
a[href^="/index"]以/index开头
[class|="chair"]以chair开头
[class*="chair"]包含chair
[title~="chair"]包含单词chair
a[href$=".doc"]以.doc结尾
[type="button"]指定类型

伪类

选择器说明
p:first-child第一个子元素
p:last-child最后一个子元素
p:first-of-type第一个 p 类型的元素
p:last-of-type某种类型的最后一个
p:nth-child(2)第二个子元素
p:nth-child(3n+2)nth-child(an + b) 公式
p:nth-last-child(2)倒数第二个子元素
p:nth-of-type(2)此类型的第二个子元素
p:nth-last-of-type(2)此类型的倒数第二个子元素

另见

XPath 选择器

后代选择器

XpathCSS
//h1h1
//div//pdiv p
//ul/liul > li
//ul/li/aul > li > a
//div/*div > *
/:root
/html/body:root > body

有序选择器

XpathCSS
//ul/li[1]ul > li:first-child
//ul/li[2]ul > li:nth-child(2)
//ul/li[last()]ul > li:last-child
//li[@id="id"][1]li#id:first-child
//a[1]a:first-child
//a[last()]a:last-child

兄弟姐妹选择器

XpathCSS
//h1/following-sibling::ulh1 ~ ul
//h1/following-sibling::ul[1]h1 + ul
//h1/following-sibling::[@id="id"]h1 ~ #id

属性选择器

XpathCSS
//*[@id="id"]#id
//*[@class="class"].class
//input[@type="submit"]input[type="submit"]
//a[@id="abc"][@for="xyz"]a#abc[for="xyz"]
//a[@rel]a[rel]
//a[starts-with(@href, '/')]a[href^='/']
//a[ends-with(@href, '.pdf')]a[href$='pdf']
//a[contains(@href, '://')]a[href*='://']
//a[contains(@rel, 'help')]a[rel~='help']

最有用的路径表达式

XpathCSS
nodename选择名称为 nodename 的所有节点
/从根节点中选择
//从当前节点中选择文档中与选择匹配的节点，无论它们在哪里
.选择当前节点
..选择当前节点的父节点
@选择属性

杂项选择器

XpathCSS
//h1[not(@id)]h1:not([id])
//button[text()="Submit"]文字匹配
//button[contains(text(),"Go")]文本包含（子字符串）
//product[@price > 2.50]算术
//ul[*]有孩子
//ul[li]有孩子（具体）
//a[@name or @href]或逻辑
//a | //div联合（加入结果）

运算符

运算符说明示例
|计算两个节点集//book | //cd
+添加6 + 4
-减法6 - 4
*乘法6 * 4
div分配8 div 4
=平等的price=9.80
!=不相等price!=9.80
<小于price<9.80
<=小于或等于price<=9.80
>大于price>9.80
>=大于或等于price>=9.80
or或者price=9.80 or price=9.70
and和price>9.00 and price<9.90
mod模数（除法余数）5 mod 2

常用函数

函数示例
text()//a/text()
count()//table[count(tr)=1]
position()//ol/li[position()=2]
contains()font[contains(@class,"head")]
starts-with()font[starts-with(@class,"head")]
ends-with()font[ends-with(@class,"head")]
not(expr)button[not(starts-with(text(),"Submit"))]

另见

JSONPath 选择器

基础

选择器说明
$根元素
@当前元素
.对象操作符
[]数组操作符
..从任意层级的元素开始
*通配符，匹配任意对象或数组
[,]联合操作符
[start:end:step]数组切片操作符
?()筛选表达式
()脚本表达式

运算符

运算符说明示例
==等于[?(@.color == 'blue')]
!=不等于[?(@.color != 'red')]
<小于[?(@.days < 30)]
<=小于或等于[?(@.days <= 30)]
>大于[?(@.days > 30)]
>=大于或等于[?(@.days >= 30)]
=~正则匹配[?(@.firstName =~ /vi.*?/i)]
!非（取反）[?(!@.isbn)]
&&逻辑与[?(@.isbn && @.price < 10)]
||逻辑或[?(@.category == 'fiction' || @.price < 10)]
in集合中是否存在元素[?(@.size in ['S', 'M'])]
nin集合中是否不存在元素[?(@.size nin ['S', 'M'])]
size集合大小[?(@.name size 12)]
empty true空值[?(@.isbn empty true)]
empty false非空值[?(@.isbn empty false)]

示例

JSONPathXPath
$.store.book[*].author/store/book/author
$..author//author
$.store.*/store/*
$.store..price/store//price
$..book[2]//book[3]
$..book[(@.length-1)]
$..book[-1:]		//book[last()]
$..book[0,1]
$..book[:2]		//book[position()<3]
$..book[?(@.isbn)]//book[isbn]
$..book[?(@.price<10)]//book[price<10]
$..*//*

另见

JMESPath 选择器

基础

选择器说明
any任意对象中的any属性
.对象操作符
[]数组操作符
@当前元素
[,]联合操作符
[start:end:step]数组切片操作符
*通配符，匹配任意对象或数组
[?<expression><comparator><expression>]筛选表达式

常用函数

函数示例
abs()
avg()
ceil()
floor()
sum()
min()
max()
length()
contains()
starts_with()
ends_with()
not_null()
keys()
values()
min_by
max_by()
sort()
sort_by()
merge()
map()
join()
reverse()
to_array()
to_string()
to_number()
type()

运算符

运算符说明
==等于
!=不等于
<小于
<=小于或等于
>大于
>=大于或等于

另见

Regex 选择器

字符类

范例说明
[abc]单个字符：a、b 或 c
[^abc]一个字符，除了：a、b 或 c
[a-z]范围内的字符：a-z
[^a-z]不在范围内的字符：a-z
[0-9]范围内的数字：0-9
[a-zA-Z]范围内的字符：
a-z 或 A-Z
[a-zA-Z0-9]范围内的字符：
a-z、A-Z 或 0-9

量词

范例说明
a?零个或一个a
a*零个或多个 a
a+一个或多个a
[0-9]+0-9中的一个或多个
a{3}正好 3 个 a
a{3,}3个或更多的a
a{3,6}a 的 3 到 6 之间
a*贪心量词
a*?惰性量词
a*+占有量词

常用元字符

  • ^
  • {
  • +
  • <
  • [
  • *
  • )
  • >
  • .
  • (
  • |
  • $
  • \
  • ?

使用 \ 转义这些特殊字符

元序列

范例说明
.任何单个字符
\s任何空白字符
\S任何非空白字符
\d任何数字，与 [0-9] 相同
\D任何非数字，与 [^0-9] 相同
\w任何单词字符
\W任何非单词字符
\X任何 Unicode 序列，包括换行符
\C匹配一个数据单元
\RUnicode 换行符
\v垂直空白字符
\V\v 的否定 - 除了换行符和垂直制表符之外的任何内容
\h水平空白字符
\H\h 的否定
\K重置匹配
\n匹配第 n 个子模式
\pXUnicode 属性 X
\p{...}Unicode 属性或脚本类别
\PX\pX 的否定
\P{...}\p 的否定
\Q...\E引用;视为文字
\k<name>匹配子模式name
\k'name'匹配子模式name
\k{name}匹配子模式name
\gn匹配第 n 个子模式
\g{n}匹配第 n 个子模式
\g<n>递归第 n 个捕获组
\g'n'递归第 n 个捕获组。
\g{-n}匹配第 n 个相对前一个子模式
\g<+n>递归第 n 个相对即将到来的子模式
\g'+n'匹配第 n 个相对即将到来的子模式
\g'letter'递归命名捕获组 字母
\g{letter}匹配先前命名的捕获组 字母
\g<letter>递归命名捕获组 字母
\xYY十六进制字符 YY
\x{YYYY}十六进制字符 YYYY
\ddd八进制字符ddd
\cY控制字符 Y
[\b]退格字符
\使任何字符文字

锚点

范例说明
\G比赛开始
^字符串的开始
$字符串结束
\A字符串的开始
\Z字符串结束
\z字符串的绝对结尾
\b一个词的边界
\B非单词边界

替代

范例说明
\0完整的比赛内容
\1捕获组 1 中的内容
$1捕获组 1 中的内容
${foo}捕获组 foo 中的内容
\x20十六进制替换值
\x{06fa}十六进制替换值
\t标签
\r回车
\n新队
\f换页
\U大写转换
\L小写转换
\E终止任何转换

组构造

范例说明
(...)捕获所有封闭的东西
(a|b)匹配 a 或 b
(?:...)匹配随附的所有内容
(?>...)原子组（非捕获）
(?|...)重复的子模式组号
(?#...)注解
(?'name'...)命名捕获组
(?<name>...)命名捕获组
(?P<name>...)命名捕获组
(?imsxXU)内联修饰符
(?(DEFINE)...)在使用它们之前预定义模式

断言

:--
(?(1)yes|no)条件语句
(?(R)yes|no)条件语句
(?(R#)yes|no)递归条件语句
(?(R&name)yes|no)条件语句
(?(?=...)yes|no)有条件的前瞻
(?(?<=...)yes|no)有条件的往后看

递归

:--
(?R)递归整个模式
(?1)递归第一个子模式
(?+1)递归第一个相对子模式
(?&name)递归子模式name
(?P=name)匹配子模式name
(?P>name)递归子模式name

标志/修饰符

:--
g全部
m多行
i不区分大小写
x忽略空格
s单线
u统一码
X扩展
U不贪心
A锚
J重复的组名
d结果包含捕获组子字符串开始和结束的索引

零宽度断言

:--
(?=...)正先行断言
(?!...)负先行断言
(?<=...)正后发断言
(?<!...)负后发断言
?=正先行断言-存在
?!负先行断言-排除
?<=正后发断言-存在
?<!负后发断言-排除

零宽度断言 允许您在主模式之前（向后看）或之后（lookahead）匹配一个组，而不会将其包含在结果中。

POSIX 字符类

字符类如同意义
[[:alnum:]][0-9A-Za-z]字母和数字
[[:alpha:]][A-Za-z]字母
[[:ascii:]][\x00-\x7F]ASCII 码 0-127
[[:blank:]][\t ]仅空格或制表符
[[:cntrl:]][\x00-\x1F\x7F]控制字符
[[:digit:]][0-9]十进制数字
[[:graph:]][[:alnum:][:punct:]]可见字符（不是空格）
[[:lower:]][a-z]小写字母
[[:print:]][ -~] == [ [:graph:]]可见字符
[[:punct:]][!"#$%&’()*+,-./:;<=>?@[]^_`{|}~]可见标点符号
[[:space:]][\t\n\v\f\r ]空白
[[:upper:]][A-Z]大写字母
[[:word:]][0-9A-Za-z_]单词字符
[[:xdigit:]][0-9A-Fa-f]十六进制数字
[[:<:]][\b(?=\w)]词的开头
[[:>:]][\b(?<=\w)]词尾

控制动词

:--
(*ACCEPT)控制动词
(*FAIL)控制动词
(*MARK:NAME)控制动词
(*COMMIT)控制动词
(*PRUNE)控制动词
(*SKIP)控制动词
(*THEN)控制动词
(*UTF)图案修饰符
(*UTF8)图案修饰符
(*UTF16)图案修饰符
(*UTF32)图案修饰符
(*UCP)图案修饰符
(*CR)换行修饰符
(*LF)换行修饰符
(*CRLF)换行修饰符
(*ANYCRLF)换行修饰符
(*ANY)换行修饰符
\R换行修饰符
(*BSR_ANYCRLF)换行修饰符
(*BSR_UNICODE)换行修饰符
(*LIMIT_MATCH=x)正则表达式引擎修饰符
(*LIMIT_RECURSION=d)正则表达式引擎修饰符
(*NO_AUTO_POSSESS)正则表达式引擎修饰符
(*NO_START_OPT)正则表达式引擎修饰符

正则表达式示例

字符串

范例说明
ring匹配 ring springboard 等。
.匹配 a、9、+ 等。
h.o匹配 hoo、h2o、h/o 等。
ring\?匹配 ring?
\(quiet\)匹配（安静）
c:\\windows匹配 c:\windows

使用 \ 搜索这些特殊字符：
[ \ ^ $ . | ? * + ( ) { }

速记类

范例说明
\w“单词”字符
(字母、数字或下划线)
\d数字
\s空格
(空格、制表符、vtab、换行符)
\W, \D, or \S不是单词、数字或空格
[\D\S]表示不是数字或空格，两者都匹配
[^\d\s]禁止数字和空格

出现次数

范例说明
colou?r匹配 color 或 colour
[BW]ill[ieamy's]*匹配 Bill、Willy、William's 等。
[a-zA-Z]+匹配 1 个或多个字母
\d{3}-\d{2}-\d{4}匹配 SSN
[a-z]\w{1,7}匹配 UW NetID

备择方案

范例说明
cat|dog匹配 cat 或 dog
id|identity匹配 id 或 identity
identity|id匹配 id 或 identity

当替代品重叠时，命令从长到短

字符类

范例说明
[aeiou]匹配任何元音
[^aeiou]匹配一个非元音
r[iau]ng匹配ring、wrangle、sprung等。
gr[ae]y匹配 gray 或 grey
[a-zA-Z0-9]匹配任何字母或数字

在 [ ] 中总是转义 . \ ] 有时是 ^ - .

贪婪与懒惰

范例说明
* + {n,}
greedy		尽可能匹配
<.+>在 <b>bold</b> 中找到 1 个大匹配项
*? +? {n,}?
lazy		尽可能少匹配
<.+?>在 <b>bold</b> 中找到 2 个匹配项

范围

范例说明
\b“单词”边缘（非“单词”字符旁边）
\bring单词以“ring”开头，例如 ringtone
ring\b单词以“ring”结尾，例如 spring
\b9\b匹配单个数字 9，而不是 19、91、99 等。
\b[a-zA-Z]{6}\b匹配 6 个字母的单词
\B不是字边
\Bring\B匹配 springs 和 wringer
^\d*$整个字符串必须是数字
^[a-zA-Z]{4,20}$字符串必须有 4-20 个字母
^[A-Z]字符串必须以大写字母开头
[\.!?"')]$字符串必须以终端标点结尾

修饰

范例说明
(?i)[a-z]*(?-i)忽略大小写开/关
(?s).*(?-s)匹配多行（导致 . 匹配换行符）
(?m)^.*;$(?-m)^ & $ 匹配行不是整个字符串
(?x)#free-spacing 模式，此 EOL 注释被忽略
(?-x)自由空间模式关闭
/regex/ismx修改整个字符串的模式

组

范例说明
(in|out)put匹配 input 或 output
\d{5}(-\d{4})?美国邮政编码 (“+ 4”可选)

如果组后匹配失败，解析器会尝试每个替代方案。
可能导致灾难性的回溯。

反向引用

范例说明
(to) (be) or not \1 \2匹配 to be or not to be
([^\s])\1{2}匹配非空格，然后再相同两次   aaa, ...
\b(\w+)\s+\1\b匹配双字

非捕获组

范例说明
on(?:click|load)快于：on(click|load)

尽可能使用非捕获或原子组

原子组

范例说明
(?>red|green|blue)比非捕获更快
(?>id|identity)\b匹配 id，但不匹配 identity

"id" 匹配，但 \b 在原子组之后失败， 解析器不会回溯到组以重试“身份”

如果替代品重叠，请从长到短命令。

零宽度断言 Lookaround(前后预查)

范例说明
(?= )向前看，如果你能提前找到
(?! )向前看，如果你找不到前面
(?<= )向后看，如果你能找到后面
(?<! )向后看，如果你找不到后面
\b\w+?(?=ing\b)匹配 warbling, string, fishing, ...
\b(?!\w+ing\b)\w+\b不以“ing”结尾的单词
(?<=\bpre).*?\b匹配 pretend、present、prefix、...
\b\w{3}(?<!pre)\w*?\b不以“pre”开头的词
\b\w+(?<!ing)\b匹配不以“ing”结尾的单词

If-then-else

匹配 Mr. 或 Ms. 如果单词 her 稍后在字符串中

M(?(?=.*?\bher\b)s|r)\.

需要环顾 IF 条件

另见

Text 选择器

基础

选择器说明
[提取包含左边文本
]提取包含右边文本
(提取不包含左边文本
)提取不包含右边文本
[leftText, rightText]提取包含两边文本
(leftText, rightText)提取不包含两边文本

特殊

当文本含有特殊文本时，可使用以下完整形式配置

const content = extractor.extractOne(<TextSelector>{
    leftSearch: '<div id="content">',
    rightSearch: '</div>',
    searchOptions: {
        includeLeft: false,
        includeRight: false,
    },
}, html);