如何使用 html link 提取文本？

Question

我尝试使用 BaseX 解析 HTML 页面。来自这部分代码：

 <td colspan="2" rowspan="1" class="light comment2 last2">
  <img class="textalign10" src="templates/comment10.png" 
       alt="*" width="10" height="10" border="0"/>
  <a shape="rect" href="mypage.php?userid=26682">user</a>
  : the text I'd like to keep [<a shape="rect" 
  href="http://alink" rel="nofollow">Link</a>] . with that part too.
 </td>

我需要提取包含 a HTML link、和的消息，删除第一个 : 个字符开始。

我想获得这个确切的文本：

<message>
the text I'd like to keep [<a shape="rect" href="http://alink" rel="nofollow">Link</a>] . with that part too.
</message>

使用此功能，

declare
 function gkm:node_message_from_comment($comment as item()*) {
  if ($comment) then
    copy $c := $comment
    modify (
      delete node $c/img[1],
      delete node $c/a[1],
      delete node $c/@*,
      rename node $c as 'message'
    )
    return $c
  else ()
};

我可以提取文本，但我未能从开头删除 :。即：

<message>
: the text I'd like to keep [<a shape="rect" href="http://alink" rel="nofollow">Link</a>] . with that part too.
</message>

Answer 1

使用 XQuery 更新和转换语句对我来说似乎有点过于复杂。您还可以 select mypage.php link 之后的节点；随着对输入的更多了解，可能还有更好的方法来 select 所需的节点。

要剪切 : 子字符串，请使用 substring-after。模式 "cut off : from the first result node, and return all others as is" 在使用转换语句时也适用，如果你坚持使用它们的话。

let $comment :=<td colspan="2" rowspan="1" class="light comment2 last2">
  <img class="textalign10" src="templates/comment10.png" alt="*" width="10" height="10" border="0"/>
  <a shape="rect" href="mypage.php?userid=26682">user</a>
  : the text I'd like to keep [<a shape="rect" href="http://alink" rel="nofollow">Link</a>] . with that part too.
 </td>
let $result := $comment/a[starts-with(@href, 'mypage.php')]/following-sibling::node()
return <message>{
  $result[1]/substring-after(., ': '),
  $result[position() > 1]
}</message>

由于 BaseX 支持 XQuery 3.0，您还可以利用辅助函数 head 和 tail:

return <message>{
  head($result)/substring-after(., ': '),
  tail($result)
}</message>

如何使用 html link 提取文本？

How to extract text with html link?

xquery

basex