2

我想知道如何解析 HTML 块的内容，同时通过使用与 XPath 表达式一起使用的(Hpple)包装器来维持字符串在 HTML 文档中出现的顺序。环境是iOS。

例子：

<html>
<body>
<div>
Lorem ipsum <a href="...">dolor</a> sit <b>amet,</b> consectetur
</div>
</body>
</html>

假设我们要按<div>原始顺序解析标签内的所有字符串，以便得到以下结果：

Lorem ipsum dolor sit amet, consectetur

这样做的症结在于维持字符串的顺序。使用 XPath 表达式很容易获得所有的直接内容<div>以及单独或同时获取<a>和的所有直接内容<b>，但是省略了顺序，因此可能导致将和的内容放在<a>字符串<b>的末尾。

如何使用带有上述包装器的 XPath 表达式来实现这一点？

更新：

使用上述包装器和平台（尤其是 libxml2）实现此目的的一种方法似乎是以下 XPath 表达式：

//div/descendant-or-self::*/text()

但是，生成的元素是分开的，而不是作为一个字符串传递的，因此必须手动将它们连接起来。

4

1 回答 1

4

如果 Hpple 是一个兼容的 XPath 引擎，那么它必须能够计算这个表达式：

string(/*/body/div)

此 XPath 表达式计算为第一个的字符串值（在文档顺序/*/body/div元素中（在您的情况下只有一个这样的元素）。

根据定义，节点的字符串值是其所有后代文本节点的串联（按文档顺序），因此该结果正是您请求的字符串。

基于 XSLT 的验证：

这种转变：

<xsl:stylesheet version="1.0"
 xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
 <xsl:output method="text"/>

 <xsl:template match="/">
  <xsl:value-of select="/*/body/div"/>
 </xsl:template>
</xsl:stylesheet>

应用于提供的 XML 文档时：

<html>
    <body>
        <div> Lorem ipsum 
            <a href="...">dolor</a> sit 
            <b>amet,</b> consectetur 
        </div>
    </body>
</html>

产生想要的正确结果：

 Lorem ipsum 
            dolor sit 
            amet, consectetur
于 2011-09-08T00:01:48.340 回答