parsing - 标签中的 XPATH 编码 HTML

Question

`

<item>
<title>Lorem ipsum dolor sit ame</title> 
   `    `      
<description>
&amp;#13;
&amp;#13;
&amp;#13;&lt;div class=&quot;videoInStoryC&quot;&gt;&amp;#13;
&lt;div id=&quot;emp-19102206-25558&quot; class=&quot;emp&quot;&gt;&amp;#13;
&lt;div class=&quot;warning&quot;&gt;&lt;img class=&quot;holding&quot; src=&quot;http://bac.com/asfg.jpg&quot; alt=&quot;ipsim dlor&quot; /&gt;&amp;#13;
&lt;/div&gt;&amp;#13;  &lt;/div&gt;&amp;#13;
&amp;#13;
&lt;p class=&quot;caption&quot;&gt;ipfi fks: &quot;Lorem ipsum dolor sit amel&quot;&lt;/p&gt;&amp;#13;
&lt;/div&gt;&amp;#13;
&amp;#13;
</description>  
</item>

`

我有一个带有标签中编码 HTML 的 RSS 提要。我想在编码的 HTML 的 IMG 标记中提取 URL 源。在这种情况下，URl 是http://bac.com/asfg.jpg。我使用了 img/@src 但没有成功，我假设是因为编码的 Html。谢谢你

Answer 1

你可以使用

parse-xml(replace(/item/description, "
", ""))//img/@src 

如果您有 XPath 3.0 解释器（但您没有）

你可以使用类似的东西

filter(/item/description, 'src="([^"]*)"', 1)

如果您的解释器有类似过滤函数的功能，可以将正则表达式应用于字符串。（但事实并非如此）

您可以使用

 replace(replace(/item/description, '.*src="', '', 's'), '".*', '', 's')

如果您有 XPath 2.0 解释器并且文本中只有一个图像