我应该为此使用 Xpath 还是正则表达式？

Question

我不是语言专家，也没有任何语言知识。我正在从一个半动态的网站中提取数据。

例如，我需要为 "Advising on a home purchase plan - Customer Type" 和 "Advising on a home purchase plan - Investment Type" 设置 2 列，它们将列出客户和投资的类型（每个可以是多个）它们可以进入一个单元格但有某种类型分隔符，例如“;”。

这是 table 的样子

代码如下所示：

建议购房计划

                <div id="a2Nb000000035ohEAA" class="collapse DisciplineDetails PassportDetails PermDesc">
                  <h3 class="PermissionsListHeader">Advising on a home purchase plan</h3>
                  <br>
                  <br>
                </div>

                <ul class="PermissionConditionsList">
                  <li class="PermissionsConditionsItem">
                    Customer Type 

                    <ul class="PermCondsLimitationsList">
                      <li style="list-style: none"><span id="j_id0:j_id1:j_id110:regActTable:0:j_id531:0:j_id533:0:j_id535:0:j_id538"></span></li>

                      <li class="PermCondsLimitationsItem Popover">Customer</li>
                    </ul>
                  </li>
                </ul>

                <ul class="PermissionConditionsList">
                  <li class="PermissionsConditionsItem">
                    Investment Type 

                    <ul class="PermCondsLimitationsList">
                      <li style="list-style: none"><span id="j_id0:j_id1:j_id110:regActTable:0:j_id531:1:j_id533:0:j_id535:0:j_id538"></span></li>

                      <li class="PermCondsLimitationsItem Popover">Home purchase plans</li>
                    </ul>
                  </li>
                </ul>
              </div>

Answer 1

如果没有其他列表包含这些类但不应考虑，则此 xpath 有效。

//ul[@class='PermCondsLimitationsList']/li[@class='PermCondsLimitationsItem Popover']/(text()|span/text()))[normalize-space(.)]

已测试here

只获得标题：

//ul[@class='PermissionConditionsList']/li[@class='PermissionsConditionsItem']/text()[normalize-space(.)]

合并：

//ul[@class='PermissionConditionsList']/li[@class='PermissionsConditionsItem']/(text()|ul[@class='PermCondsLimitationsList']/li[@class='PermCondsLimitationsItem Popover']/(text()|span/text()))[normalize-space(.)]

但要以某种格式获得两者，XSLT 可能更有用。

Answer 2

如果您有 chrome，您可以通过右键单击所需区域并转到 -> 检查来查看元素的 xpath。源代码的相关部分将被突出显示。从那里您可以通过右键单击突出显示代码并转到复制 -> 复制 XPath 来获取 xpath。

我应该为此使用 Xpath 还是正则表达式？

Should I use Xpath or regexp for this?

javascript

java

regex

xpath

import.io