在 import.io XPath 选择器中用单斜杠替换双斜杠

Question

我正在使用 import.io 抓取一些页面。我遇到了一个使用内部 href 的页面，如下所示：http://domain.com//Event - 注意域名后的双斜杠。根据我的研究，这是为了 SEO 目的而完成的，但我需要得到没有双斜杠的 url，所以它 returns http://domain.com/Event.

我正在尝试使用 XPath（我对它很陌生），我可以使用 link 得到 //a[contains(@class, 'event-info-btn')]//@href。

我的下一步是尝试 fn:repace() 使用此：fn:replace(//a[contains(@class, 'event-info-btn')]//@href, 'http://domain.com//', 'http://domain.com/')。这不起作用 - 没有返回任何内容。

我不确定是我的实现不好，还是 import.io 不支持这个。

我还会指出我尝试这样做的原因：import.io 在所有 url 上都失败了。如果我手动删除斜线并重试，它工作正常。

Answer 1

注意 import.io claims 支持 XPath 2.0。

问题

您可能是指 /@href 而不是 //@href，但这不是真正的问题。

您的 XPath 是 returning 一系列 href 属性，其中 replace() 需要一个字符串。

解决方案

为此HTML,

<div>
  <a class="event-info-btn" href="http://domain.com//1">one</a>
  <a class="event-info-btn" href="http://domain.com//2">one</a>
  <a class="event-info-btn" href="http://domain.com//3">one</a>
</div>

这个 XPath，

for $href in //a[contains(@class, 'event-info-btn')]/@href 
    return replace($href, 'http://domain.com//', 'http://domain.com/')

将return

http://domain.com/1
http://domain.com/2
http://domain.com/3

根据要求。

更新

This doesn't work in import.io and I'm having trouble finding a fiddle-like site to test it.

你可以看到这个工作 here.

Import.io, it seems, only allows you to input one line of xpath.

您可以尝试将 XPath 放在一行中，然后：

for $href in //a[contains(@class, 'event-info-btn')]/@href return replace($href, 'http://domain.com//', 'http://domain.com/')

如果这不起作用，则 import.io's claim that they support XPath 2.0 不正确。

在 import.io XPath 选择器中用单斜杠替换双斜杠

Replace double slash with single slash in import.io XPath selector

html

xml

xpath

import.io

问题

解决方案

更新