时间戳

首页 > 解决方案 > 改进 XPath-query 以正确区分文本节点

xpath - 改进 XPath-query 以正确区分文本节点

问题描述

我过去广泛使用 XPath。目前我面临一个问题，我无法解决。

约束

HTML标记

<span class="container">
    Peter: Lorem Impsum
    <i class="divider" role="img" aria-label="|"></i>
    Paul Smith: Foo Bar BAZ
    <i class="divider" role="img" aria-label="|"></i>
    Mary: One Two Three
</span>

挑战

我想提取三个连贯的字符串：

XPath

以下 XPath 查询是我经过 HOURS 研究后得出的最好的查询：

XPath 查询 1

//span[contains(@class, "container")]

=> Peter: Lorem ImpsumPaul Smith: Foo Bar BAZMary: One Two Three

XPath 查询 2

//span[contains(@class, "container")]//text()

Peter: Lorem Impsum Paul Smith: Foo Bar BAZ Mary: One Two Three

问题

尽管之后可以使用 (PHP) 字符串函数对生成的字符串进行后处理，但我无法将其拆分为正确的三个块：我需要一个 XPath 查询，它使我能够正确区分文本节点。

是否可以在文本节点之间集成一些“人工分隔符”？

标签： xpathdomxpathxpath-1.0xpathquery

解决方案

您对 XPath 1.0 期望过高。XPath 1.0 本身可以帮助您在这里选择

  1. 一个字符串，或
  2. 一组文本节点

然后，您必须在 XPath 之外完成您的处理（正如 Mads 在评论中建议的那样）。

要了解您遇到的限制，您的第一个 XPath，

//span[contains(@class, "container")]

选择span元素的节点集。XPath 1.0 运行的环境向您显示文档中单个此类节点的字符串值（一些变体）：

Peter: Lorem ImpsumPaul Smith: Foo Bar BAZMary: One Two Three

但要清楚：您的 XPath 在span这里选择元素的节点集，而不是字符串。

你的第二个 XPath，

//span[contains(@class, "container")]//text()

选择节点的text()节点集。XPath 1.0 运行的环境显示每个选定节点的字符串值。text()

如果您可以使用 XPath 2.0，您可以直接在 XPath 中选择一个字符串序列，

//span[contains(@class, "container")]/text()/string()

或者你可以加入他们，

string-join(//span[contains(@class, "container")]/text(), "|")

并直接得到

Peter: Lorem Impsum
|
Paul Smith: Foo Bar BAZ
|
Mary: One Two Three

或者

string-join(//span[contains(@class, "container")]/text()/normalize-space(), "|")

要得到

Peter: Lorem Impsum|Paul Smith: Foo Bar BAZ|Mary: One Two Three

推荐阅读