改进 XPath 查询以正确区分文本节点

Question

我过去广泛使用 XPath。目前我遇到了一个问题，我无法解决。

约束

纯 XPath 1.0
没有辅助功能（例如没有 "concat()"）

HTML-标记

<span class="container">
    Peter: Lorem Impsum
    <i class="divider" role="img" aria-label="|"></i>
    Paul Smith: Foo Bar BAZ
    <i class="divider" role="img" aria-label="|"></i>
    Mary: One Two Three
</span>

挑战

我想提取三个连贯的字符串：

彼得：Lorem Impsum
保罗·史密斯：Foo Bar BAZ
玛丽：一二三

XPath

以下 XPath 查询是我经过数小时的研究得出的最佳查询：

XPath 查询 1

//span[contains(@class, "container")]

=> Peter: Lorem ImpsumPaul Smith: Foo Bar BAZMary: One Two Three

XPath 查询 2

//span[contains(@class, "container")]//text()

Peter: Lorem Impsum Paul Smith: Foo Bar BAZ Mary: One Two Three

问题

尽管之后可以使用 (PHP) 字符串函数 post 处理结果字符串，但我无法将其拆分为正确的三个块：我需要一个 XPath 查询，它使我能够正确区分文本节点。

是否可以在文本节点之间整合一些 "artificial separators"？

Answer 1

您对 XPath 1.0 的期望过高。 XPath 1.0 本身可以帮助您达到 select

一个字符串，或者
一组文本节点

然后，您必须在 XPath 之外完成处理（如 Mads 在评论中所建议的那样）。

要了解您遇到的限制，您的第一个 XPath，

//span[contains(@class, "container")]

select 是 span 个元素的节点集。 XPath 1.0 运行的环境向您显示（某些变体）文档中单个此类节点的 字符串值 ：

Peter: Lorem ImpsumPaul Smith: Foo Bar BAZMary: One Two Three

但要清楚：您的 XPath 是 selecting 一个 span 元素的节点集，而不是这里的字符串。

你的第二个 XPath，

//span[contains(@class, "container")]//text()

select 是 text() 个节点的节点集。 XPath 1.0 运行的环境显示每个 selected text() 节点的 字符串值 。

如果你可以使用 XPath 2.0，你可以直接在 XPath 中，select 一个 字符串序列 ，

//span[contains(@class, "container")]/text()/string()

或者你可以加入他们，

string-join(//span[contains(@class, "container")]/text(), "|")

直接得到

Peter: Lorem Impsum
|
Paul Smith: Foo Bar BAZ
|
Mary: One Two Three

或

string-join(//span[contains(@class, "container")]/text()/normalize-space(), "|")

获得

Peter: Lorem Impsum|Paul Smith: Foo Bar BAZ|Mary: One Two Three

改进 XPath 查询以正确区分文本节点

Improve XPath-query to distinguish text-nodes correctly

xpath

domxpath

xpath-1.0

xpathquery