XPath 解决正则表达式违规答案

【问题标题】：XPath to solve regex violationXPath 解决正则表达式违规
【发布时间】：2018-03-16 14:21:13
【问题描述】：

由于@kjhughes 在我上一个问题Regex repeat expression 中的精彩评论和链接到精彩帖子Never parse markup with regex 在我的应用程序中，我一直在更改尽可能多的不需要的正则表达式，通过编写完整的 XPath 来删除内容。

但是对于以下问题，我想知道是否还有一种方法可以用 XPath 解决它：

数据Name: Herr FirstName LastName

XPath 到目前为止：//body//div/div/table/tr/td/div/table/tr[3]/td/div/table/tr/td/p[1]/span/text()

我在这里使用以下正则表达式：(?<=Herr |Frau ).*

这是因为我只想要数据 Firstname LastName 我再次要求一个名称的原因是这是两封不同的邮件，我正在使用不同的模板抓取并希望应用程序是模块化的。

目前我仍然经常在应用程序中这样做，我只是使用正则表达式删除所有不需要的文本，因此我想知道 XPath 是否也可以。通过这种方式，我可以了解更多关于 XPath 抓取的信息，并且不会伤害不圣洁的孩子 :)

【问题讨论】：

当您有纯文本时，您可以使用正则表达式或其他字符串操作方法。
XPath 和正则表达式不是相互排斥的。使用 XPath 2.0（或更高版本），您可以使用带有 matches()、replace()、analyze-string() 和 tokenize() 的正则表达式。 w3.org/TR/xpath-functions-31/#func-matches
stackoverflow.com/questions/1525299/xpath-and-xslt-2-0-for-net
请将此问题独立于您的上一个问题。这意味着您需要在此处提供示例数据。

标签： c# html regex xpath

【解决方案1】：

假设您提供的 XPath 的 text() 值为“Name: Herr FirstName LastName”

这是一个示例，说明如何在 XPath 2.0 语句中使用正则表达式来选择 text() 节点（如果它包含“Herr”或“Frau”），使用 matches()（当前不支持正前瞻和负后瞻），然后使用带有正则表达式的replace() 与捕获组的text() 节点值一起选择值“First Last”

//body//div/div/
  table/tr/td/div/
  table/tr[3]/td/div/
  table/tr/td/p[1]/
  span/text()[matches(., "Herr|Frau ")]/replace(.,'.*Herr|Frau (.*)', '$1')

【讨论】：

【解决方案2】：

作为Wiktor Stribiżew comments，您不必避免在XML 中的纯文本 上使用正则表达式——它是不应通过正则表达式解析的标记。

Mads Hansen shows 如何在 XPath 2.0 中使用正则表达式。

如果您只有 XPath 1.0，以下是一种提取目标文本的方法：

substring(normalize-space( 你的 XPath 在这里 ), 12)

【讨论】：