xpath - XPath 返回合格子节点值的字符串连接

Question

任何人都可以建议一种 XPath 表达式格式，该格式返回一个字符串值，其中包含元素的某些合格子节点的连接值，但忽略其他：

<div>
    This text node should be returned.
    <em>And the value of this element.</em>
    And this.
    <p>But this paragraph element should be ignored.</p>
</div>

返回的值应该是一个字符串：

This text node should be returned. And the value of this element. And this.

这在单个 XPath 表达式中是否可行？

谢谢。

Answer 1

在 XPath 2.0 中：

string-join(/*/node()[not(self::p)], '')

Answer 2

在 XPath 1.0 中：

您可以使用

/div//text()[not(parent::p)]

捕获想要的文本节点。连接本身不能在 XPath 1.0 中完成，我建议在主机应用程序中完成。

Answer 3

这种外观有效：

用作上下文/div/：

text() | em/text()

或者不使用上下文：

/div/text() | /div/em/text()

如果要连接前两个字符串，请使用以下命令：

concat(/div/text(), /div/em/text())

Answer 4

/div//text()

双斜线强制提取文本，而不考虑中间节点

Answer 5

如果您想要除 p 之外的所有孩子，您可以尝试以下操作...

    string-join(//*[name() != 'p']/text(), "")

返回...

This text node should be returned.
And the value of this element.
And this.

Answer 6

我知道这有点晚了，但我认为我的回答仍然是相关的。我最近遇到了类似的问题。而且因为我scrapy在不支持xpath 2.0的Python 3.6中使用，所以我无法使用string-join几个在线答案中建议的功能。

我最终找到了一个简单的解决方法（如下所示），我在任何 stackoverflow 答案中都没有看到，这就是我分享它的原因。

temp_selector_list = response.xpath('/div')
string_result = [''.join(x.xpath(".//text()").extract()) for x in temp_selector_list]

希望这可以帮助！

Answer 7

您也可以使用 for-each 循环并将值组装到这样的变量中

<xsl:variable name="newstring">
    <xsl:for-each select="/div//text()">
      <xsl:value-of select="."/>
    </xsl:for-each>
  </xsl:variable>