xml - 如何获取无效html的xpath？

Question

我正在尝试使用 xidel 从 html 中提取 xpath，最近遇到了无效的 html

我使用 firefox 来获取 xpath，但 firefox 会自动添加缺少的标签，因此 xpath 不匹配

我可以停止firefox，还是你能建议一种方法来解决这个问题？

还有某种反向xpath吗？获取某些文本的 xpath？

Answer 1

正如 Jim Garrison 已经提到的：如果您的 html 无效，XPath 将无法工作。要回答您的第二个问题：您可以使用浏览器扩展/插件轻松获取某些文本的 XPath。

例如，对于 Firefox，您可以使用XPath Checker。
我在 Chrome 上 使用XPath Helper 。

请记住，当您尝试获取格式不正确的 html 文档的 XPath 时，结果可能是错误的。

Answer 2

如果 XML/HTML 无效，Xidel 将在应用 XPath 之前对其进行修复。

尽管它的修复方式可能与 Firefox 不同。你可以看到它是如何改变的：

xidel http://yourwebpage -e / --html

如果您保存该输出并在 Firefox 中打开它，您可以为此创建 XPath。

通常，修复可能会更改中间标签，但可能会保持类和 id 不变。因此，您可以将某些 XPath 替换/html/body/div[2]/div[@id="foo"]/p[1]/p/text()为 //div[@id="foo"]/p[1]/span/text()或//div[@id="foo"]//span[1]/text()