在XML和HTML文档解析中，属性往往承载着关键的业务数据，比如商品的编号、用户的身份标记或是资源的链接地址。XPath提供了一套完整的语法来精准选取这些属性节点并取出它们的值，而不必依赖元素的文本内容。掌握属性选取的方法，是编写健壮爬虫和配置文件解析器的核心能力之一。
基础@符号选取法
最直接也最常用的方式是在路径表达式中使用@符号加上属性名称，这样XPath会返回对应的属性节点。例如，要选取所有<a>元素上的href属性，可以写成//a/@href。这种写法返回的是属性节点集合，在多数编程语言的XPath库中，取出其值只需进一步读取节点的字符串内容。
在实际编码中，我们通常会把属性选取和元素筛选结合起来。比如只取class为item的<div>上的data-id属性，表达式就是//div[@class='item']/@data-id。这里的方括号谓词先过滤元素，再用@提属性，逻辑非常清晰。下面是一段Python使用lxml库提取属性的示例：
from lxml import etree
html = '''
<div class="item" data-id="101">手机</div>
<div class="item" data-id="102">电脑</div>
<div class="other" data-id="103">配件</div>
'''
tree = etree.HTML(html)
# 选取class为item的div的data-id属性值
ids = tree.xpath("//div[@class='item']/@data-id")
for val in ids:
print(val)
# 输出 101 和 102
这种基础写法简单高效，但需要注意如果路径末尾是属性节点，某些旧版解析器在序列化为字符串时可能返回带引号的原始形态，因此建议在代码里用字符串函数去掉多余符号。另外，当页面结构变动导致元素缺失该属性时，XPath会返回空列表，这正是我们做容错判断的依据。
attribute轴与通配符高级用法
除了@简写，XPath还定义了attribute轴，用于显式表明我们要沿着属性轴寻找节点。语法为元素/attribute::属性名，它和元素/@属性名完全等价，但在复杂表达式中能提高可读性。例如//input[attribute::type='text']就筛选出了所有type为text的输入框。
当我们需要提取某个元素上所有属性而不关心具体名称时，可以使用通配符@*。表达式//div[@class='item']/@*会返回该元素下的全部属性节点。配合循环，我们能把元素的属性字典化，便于后续处理。下面的代码展示了如何用attribute轴和通配符遍历属性：
from lxml import etree
node = etree.XML('<user id="7" role="admin" name="tom"/>')
# 使用attribute轴取所有属性
attrs = node.xpath("attribute::*")
for a in attrs:
print(a.tag, a.text)
# 输出 id 7 / role admin / name tom
# 使用通配符@*效果相同
attrs2 = node.xpath("@*")
print([(a.tag, a.text) for a in attrs2])
通配符在调试未知模板时非常有用，但也容易选出无关属性造成干扰。因此在生产环境，建议明确指定属性名，或者在取@*后用代码层过滤掉style、onclick等噪声属性。属性轴还可以和parent轴组合，先取属性再回退找父元素，实现双向导航。
属性值过滤与多属性组合选取
真实文档里，单凭一个属性往往无法唯一定位节点，这时就要用多个属性构造谓词。XPath允许在方括号内用逻辑运算符and、or连接多个条件，比如//div[@class='post' and @data-type='news']只选既是post类又是news类型的区块。如果要取这些元素某个特定属性的值，把@放到最后即可。
有时候属性值本身包含空格分隔的多个标记，不能简单等于判断。我们可以借助contains函数，如//div[contains(@class, 'list')]/@id选取class中含list的div的id。但要注意contains是子串匹配，可能误伤相似词，所以重要场景建议用精确匹配或正则（如果解析器支持）。示例如下：
<root> <item class="list hot" id="a1">一</item> <item class="card" id="a2">二</item> <item class="list" id="a3">三</item> </root>
对应XPath可以是//item[contains(@class,'list')]/@id，得到a1和a3。若只想选仅含list不带hot的，可写//item[@class='list']/@id只拿a3。多属性组合不仅能提升准确率，也能在页面改版时通过冗余条件维持脚本稳定。理解这些选取方法后，就能应对绝大多数属性抽取需求，让数据解析既灵活又可靠。