使用 XPath 查找最前面的元素答案

【问题标题】：Find top-most following elements with XPath使用 XPath 查找最前面的元素
【发布时间】：2022-01-24 00:36:57
【问题描述】：

在 XPath 中，我知道我可以使用 /following::* 选择所有后续元素，但是我想避免同时选择包含在任何后续元素中的子元素。

例如，给定这个文档：

<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>

如果我选择了span1，我想选择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 的回答让我成功了 90%。因为现实生活中的示例可能没有我可以轻松使用的 ID 来匹配，所以我最终编写了如下代码：

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

【问题讨论】：

标签： python html xml xpath lxml

【解决方案1】：

这个 XPath，

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

选择目标span元素后面的元素，其父元素没有目标span元素作为前驱元素，

<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。

【讨论】：

谢谢！如果我想创建一个函数来获取一个元素，然后选择所有后续元素而不选择任何子元素，你认为这样的事情是否也可以工作：./following-sibling::* | ./following::*[not(../preceding::*)]？（在我的实际代码中，我真的没有可以轻松查询的 ID）
如果这对您的实际代码更有效，那就太好了。如果您遇到任何问题，请告诉我。

【解决方案2】：

XPath 3.1 具有函数outermost()：outermost(following::*) 选择所有后续元素，不包括节点集中另一个元素的后代。

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)]。（虽然这并不是很有用，因为 XPath 本身无法绑定变量）。

【讨论】：