使用 XPath 查找最顶层的后续元素

Question

在 XPath 中，我知道我可以 select 使用 /following::* 所有以下元素，但是我想避免还 selecting 包含在任何以下元素中的子元素。

例如，给定此文档：

<body>
    <div id="div1">
        <p id="p1">...</p>
        <p id="p2">
            <span id="span1"></span>
            <span id="span2"><i id="i1">...</i></span>
        </p>
        <p id="p3">...</p>
    </div>
    <div id="div2">
        <p id="p4">...</p>
        <p id="p5">...</p>
    </div>
</body>

如果我有 span1 selected，我想 select span2（但不是 i1），p3，和 div2（但不是 p4 或 p5）。

在 Python 中，我的代码可能类似于：

>>> lxml.html.fromstring(document).xpath('//*[@id="span1"]/following::*')
[<Element span at 0x1082bd680>,
 <Element i at 0x1082bd4f0>,
 <Element p at 0x1082bd770>,
 <Element div at 0x1082bd360>,
 <Element p at 0x1082bd7c0>,
 <Element p at 0x1082bdef0>]

但我想要返回的是：

[<Element span at 0x1082bd680>,
 <Element p at 0x1082bd770>,
 <Element div at 0x1082bd360>]

编辑：@kjhughes 的回答让我完成了 90% 的工作。因为现实生活中的例子可能没有我可以轻松用来匹配的 ID，所以我最终编写了如下代码：

find_following = lxml.html.etree.XPath(
    "following::*[not(../preceding::*[. = node()])]"
)

Answer 1

这个 XPath，

//*[@id="span1"]/following::*[not(../preceding::*[@id="span1"])]

选择目标 span 元素之后的元素，其父元素没有目标 span 元素作为前置元素，

<span id="span2"><i id="i1">...</i></span>
<p id="p3">...</p>
<div id="div2"> <p id="p4">...</p> <p id="p5">...</p> </div>

根据要求。

Answer 2

XPath 3.1 具有函数 outermost()：outermost(following::*) 选择以下所有元素，不包括节点集中另一个元素的后代元素。

XPath 2.0 允许 following::* except following::*/descendant::*.

在 XPath 1.0 中，您可以将 ($A except $B) 表示为 $A[count(.|$B)=count($B)]。（尽管这并不是那么有用，因为 XPath 本身没有办法绑定变量）。

使用 XPath 查找最顶层的后续元素

Find top-most following elements with XPath

html

python

xml

xpath

lxml