2

所以在我的scrapy项目中，我能够隔离一些特定的字段，其中一个字段返回如下内容：

[Rank Info] on 2013-06-27 14:26 Read 174 Times

通过表达式选择：

(//td[@class="show_content"]/text())[4]

我通常会进行后处理以提取日期时间信息，即，2013-06-27 14:26现在由于我对 xpath 子字符串操作有了更多了解，我想知道是否有可能首先提取该信息，即，在 xpath 表达式本身？

谢谢，

4

3 回答 3

3

到目前为止，在所有其他答案中，这不仅/text()没有帮助，而且可能（甚至可能）是一个问题。对于档案的读者，他们应该意识到/text()在地址中使用函数参数的问题。text()在我的专业工作中，直接解决的要求非常（非常！）很少。

我说的是其他帖子中的这些表达：

substring-after(//td[@class='show_content']/text(), 'on ')

和

substring(//td[@class='show_content']/text(), 16, 10)

让我们把不应该使用“//”的问题放在一边。在 XSLT 1.0 中只<td>考虑第一个，而在 XSLT 2.0 中，第一个参数的多个单例将触发运行时错误。

如果它是输入，请考虑这个修改后的 XML：

   <td>[<emphasis>Rank Info</emphasis>] on 2013-06-27 14:26 Read 174 Times</td>

...其中“ on ”在第二个文本节点上（第一个文本节点中有“[”）。在 XSLT 1.0 中，两个表达式都返回空字符串。在 XSLT 2.0 中，这两个表达式都会触发运行时错误。

如果它是输入，请考虑这个修改后的 XML：

   <td>[Rank Info]<emphasis> on </emphasis>2013-06-27 14:26 Read 174 Times</td>

在这两种情况下，text()子<td>节点都不包括字符串“on”，因为它是后代文本节点，而不是子文本节点。

那么，在这两个表达式中，以下内容将适用于两个修改后的输入，因为其中一个处理的是元素的值，而不是文本节点的值。元素的值是所有后代文本节点的串联。

所以：

substring-after(td[@class='show_content'], 'on ')

和

substring(td[@class='show_content'], 16, 10)

将作用于元素中找到的整个字符串值。但是，如果有多个<td>孩子，即使上述内容也会出现基数问题，因此无论如何都必须重写表达式。

我的意思是，使用text()引起了我的注意，我告诉我的学生如果他们认为需要text()在 XPath 表达式中使用，他们需要重新考虑，因为在大多数情况下他们不需要。

于 2013-06-29T00:31:36.163 回答
1

这应该工作

substring(//td[@class="show_content"]/text(), 16, 10)

但我同意 Blender，代码内后处理更适合此目的。

于 2013-06-28T22:19:41.413 回答
1

Scrapy 使用 XPath 1.0，它的字符串操作能力非常有限，尤其是不支持正则表达式。有两种方法可以减少字符串，我通过一个示例来演示这两种方法，以减少您正在寻找的子字符串。

按字符索引

如果字符索引不改变（但内容可以），这很好。

substring($string, $start, $len)
substring(//td[@class="show_content"]/text(), 16, 16)

按前/后缀搜索

如果索引可以更改，这很好，但字符串之前和之后的内容保持不变：

substring-before($string, $needle)
substring-after($string, $needle)
substring-before(
  substring-after(//td[@class="show_content"]/text(), 'on '), ' Read')
于 2013-06-28T22:22:05.540 回答