XPath的contains()方法怎么用？有哪些应用场景？

“淘宝第一个程序员”蔡景现（花名多隆）已从阿里巴巴离职，结束25年任职生涯。作为淘宝初创核心工程师，他构建了淘宝交易系统，以技术实力闻名，曾以26亿身家登上胡润富豪榜，其阿里内外状态已显示为“退隐江湖”。

XPath的

contains()

方法，简单来说，就是用来判断一个字符串是否包含另一个特定的子字符串。它在处理那些内容不完全固定、但部分特征可识别的网页元素时，简直是神器。比如，你想找一个按钮，它的类名总是变，但里面肯定包含“submit”这个词，或者一个文本段落，它总是有“订单号”这几个字，但后面的数字每次都不同，这时候

contains()

就能派上大用场。

解决方案

contains()

方法的语法非常直观：

contains(string, substring)

。第一个参数是你想要检查的字符串（比如元素的文本内容或某个属性的值），第二个参数是你想要查找的子字符串。

举几个实际例子：

• 查找文本中包含特定内容的元素： 假设你想找到所有包含“最新消息”这几个字的

  div

  元素。

  //div[contains(text(), '最新消息')]

  这里，

  text()

  函数获取元素的文本内容，然后

  contains()

  判断其是否包含“最新消息”。

• 查找属性值中包含特定内容的元素： 如果有一个链接，它的

  href

  属性值总是包含“product”这个词，但后面可能跟着不同的ID。

  //a[contains(@href, 'product')]

  @href

  表示获取

  href

  属性的值。

• 处理动态类名： 很多前端框架会生成动态的CSS类名，比如

  btn-primary-dsf23k

  ，但核心部分

  btn-primary

  是不变的。

  //button[contains(@class, 'btn-primary')]

  这比用

  @class='btn-primary-dsf23k'

  这种完全匹配要灵活得多。

• 结合其他条件使用： 你也可以将

  contains()

  与其他XPath表达式结合起来，进行更精确的定位。

  //div[contains(@id, 'item') and contains(text(), '详情')]

  这会找到所有

  id

  包含“item”且文本内容包含“详情”的

  div

  元素。

XPath

contains()

与

starts-with()

、

ends-with()

有什么区别？

说实话，XPath这东西，用好了就是利器，但刚上手时，

contains()

、

starts-with()

、

ends-with()

这几个哥们儿确实容易让人混淆。它们都是字符串匹配，但侧重点完全不一样。

• starts-with(string, substring)

  ：顾名思义，它只检查一个字符串是否以指定的子字符串开头。 比如，你有一堆ID是

  user_1

  、

  user_2

  、

  admin_1

  的元素，你想找所有用户相关的元素，用

  starts-with(@id, 'user')

  就非常精准。它不会匹配到

  super_user_1

  这种ID。

• ends-with(string, substring)

  ：这个方法在XPath 2.0及更高版本中才支持，它检查一个字符串是否以指定的子字符串结尾。 如果你想找所有以

  .png

  结尾的图片链接，

  //img[ends-with(@src, '.png')]

  就很方便。在一些老旧的系统或者XPath 1.0的环境里，你可能得想别的办法，比如用

  substring()

  和

  string-length()

  组合来模拟。

• contains(string, substring)

  ：而

  contains()

  就宽松多了，它不关心子字符串在原字符串的开头、结尾还是中间，只要有，它就认为匹配。 这就像是“模糊匹配”的王者。比如，一个元素的类名可能是

  active-item

  ，也可能是

  item-active

  ，或者

  main-item-active-status

  ，只要里面有

  item

  ，你用

  contains(@class, 'item')

  都能抓到。

什么时候用哪个？

• 当你明确知道目标字符串的前缀时，用

  starts-with()

  。

• 当你明确知道目标字符串的后缀时（且环境支持），用

  ends-with()

  。

• 当目标子字符串可能出现在任何位置，或者你只想进行一个宽泛的包含匹配时，

  contains()

  是你的首选。

contains()

方法在处理动态类名或文本时有哪些实战技巧？

很多时候，我们抓取网页或者自动化测试时，会遇到一些让人头疼的动态元素。它们的ID、类名或者文本内容，可能每次加载都变一部分。这时候，

contains()

的灵活就体现出来了。

1. 动态类名处理的“万金油”： 设想一下，一个按钮，今天它的类名是

   btn-primary-randomhash123

   ，明天可能变成

   btn-primary-anotherhash456

   。你不可能每次都去 inspect 元素拿到完整的类名。但核心的

   btn-primary

   通常是固定的。

   //button[contains(@class, 'btn-primary')]

   这招屡试不爽，能大幅提升你的XPath表达式的健壮性。甚至有些元素可能有多个类名，比如

   <div class="item active selected">

   ，如果你只想找到所有“活跃”的项，而不管它是不是“选中”的，

   //div[contains(@class, 'active')]

   就能精准命中。

2. 处理部分变化的文本内容： 网页上经常有这种文本：“您的订单号是：ABC123456789”，或者“当前库存：150件”。其中“ABC123456789”和“150”是动态变化的。

   //p[contains(text(), '您的订单号是：')]

   //span[contains(text(), '当前库存：') and contains(text(), '件')]

   (这里用两个

   contains

   来确保匹配的精确性，避免只匹配到“当前库存”或“件”的意外情况) 这样，即使订单号或库存量变了，你的XPath依然能准确找到目标元素。

3. 应对大小写不敏感的需求（XPath 1.0 局限）：

   contains()

   是大小写敏感的。这意味着

   contains(text(), 'hello')

   不会匹配到“Hello”。在XPath 1.0中，要实现大小写不敏感，你需要借助

   translate()

   函数，将字符串中的大写字母转换为小写，然后再进行

   contains()

   判断。

   //div[contains(translate(text(), 'ABCDEFGHIJKLMNOPQRSTUVWXYZ', 'abcdefghijklmnopqrstuvwxyz'), 'hello')]

   这看起来有点长，但确实是XPath 1.0里比较通用的做法。如果你的环境支持XPath 2.0，那就可以用

   lower-case()

   函数，会简洁很多：

   //div[contains(lower-case(text()), 'hello')]

   。了解这些，能让你在遇到实际问题时，知道如何变通。

使用

contains()

时可能遇到哪些常见问题和性能考量？

contains()

虽然好用，但用起来也有些小坑和需要注意的地方。

1. 大小写敏感性陷阱： 这是最常见的“坑”之一。很多人以为

   contains()

   会智能地忽略大小写，结果发现怎么也匹配不上。比如

   contains(@class, 'active')

   不会匹配到

   Active

   。遇到这种情况，要么老老实实写精确的大小写，要么就得用上面提到的

   translate()

   或者

   lower-case()

   来处理。

2. 过度匹配的风险：

   contains()

   的“模糊”特性，有时也会带来过度匹配的问题。如果你想找一个

   class

   为

   item-list

   的元素，却写了

   //div[contains(@class, 'item')]

   ，那么可能

   item-detail

   、

   sub-item

   等所有包含“item”的元素都会被匹配到，这显然不是你想要的。 解决办法是：尽可能结合其他更精确的定位方式来缩小范围，比如先用ID或更具体的父级路径，再使用

   contains()

   。 例如，

   //div[@id='main-content']//li[contains(@class, 'product-item')]

   就比

   //li[contains(@class, 'product-item')]

   更精准，因为它限定了只在

   id

   为

   main-content

   的

   div

   内部查找。

3. 性能考量（虽然通常不是大问题）： 对于现代浏览器和XPath引擎来说，

   contains()

   的性能通常不是瓶颈，但在极端情况下，比如处理非常庞大、复杂的XML文档，或者在循环中大量使用

   contains()

   ，还是值得注意一下。 相比于直接的属性匹配（如

   @id='someId'

   ）或

   starts-with()

   ，

   contains()

   需要遍历整个字符串来查找子串，理论上会稍微慢一点点。不过，这种差异在大多数网页抓取或自动化场景中几乎可以忽略不计。 真正的性能杀手往往是那些过于宽泛的XPath，比如

   //*[contains(text(), '某个词')]

   。这种表达式会扫描整个文档树，效率会比较低。所以，尽量从一个更具体的父节点开始，缩小搜索范围，总是一个好习惯。

总的来说，

contains()

是一个非常实用的工具，掌握它的用法和特性，能让你在处理动态网页内容时更加游刃有余。