XPath 表达式：在 A HREF="expr" 标记之间选择元素答案

【问题标题】：XPath Expression: Select elements between A HREF="expr" tagsXPath 表达式：在 A HREF="expr" 标记之间选择元素
【发布时间】：2011-07-02 00:04:30
【问题描述】：

我没有找到一种明确的方法来选择 HTML 文件中两个锚点（<a></a> 标记对）之间存在的所有节点。

第一个锚点的格式如下：

<a href="file://START..."></a>

第二个锚点：

<a href="file://END..."></a>

我已经验证可以使用starts-with来选择两者（注意我使用的是HTML Agility Pack）：

HtmlNode n0 = html.DocumentNode.SelectSingleNode("//a[starts-with(@href,'file://START')]"));
HtmlNode n1 = html.DocumentNode.SelectSingleNode("//a[starts-with(@href,'file://END')]"));

考虑到这一点，并凭借我业余的 XPath 技能，我编写了以下表达式来获取两个锚点之间的所有标签：

html.DocumentNode.SelectNodes("//*[not(following-sibling::a[starts-with(@href,'file://START0')]) and not (preceding-sibling::a[starts-with(@href,'file://END0')])]");

这似乎可行，但会选择所有 HTML 文档！

我需要，例如下面的 HTML 片段：

<html>
...

<a href="file://START0"></a>
<p>First nodes</p>
<p>First nodes
    <span>X</span>
</p>
<p>First nodes</p>
<a href="file://END0"></a>

...
</html>

移除两个锚点，三个 P（当然包括内部 SPAN）。

有什么办法吗？

我不知道 XPath 2.0 是否提供了更好的方法来实现这一点。

*编辑（特殊情况！）*

我还应该处理以下情况：

"在 X 和 X' 之间选择标签，其中 X 是<p><a href="file://..."></a></p>"

所以而不是：

<a href="file://START..."></a>
<!-- xhtml to be extracted -->
<a href="file://END..."></a>

我也应该处理：

<p>
  <a href="file://START..."></a>
</p>
<!-- xhtml to be extracted -->

<p>
  <a href="file://END..."></a>
</p>

再次感谢您。

【问题讨论】：

好问题，+1。请参阅我对两个解决方案（XPath 1.0 和 XPath 2.0）的回答、解释以及使用 XSLT 作为 XPath 的宿主的验证。

标签： html select xpath tags

【解决方案1】：

使用这个 XPath 1.0 表达式：

//a[starts-with(@href,'file://START')]/following-sibling::node()
     [count(.| //a[starts-with(@href,'file://END')]/preceding-sibling::node())
     =
      count(//a[starts-with(@href,'file://END')]/preceding-sibling::node())
     ]

或者，使用这个 XPath 2.0 表达式：

    //a[starts-with(@href,'file://START')]/following-sibling::node()
  intersect
    //a[starts-with(@href,'file://END')]/preceding-sibling::node()

XPath 2.0 表达式使用 XPath 2.0 intersect 运算符。

XPath 1.0 表达式使用 Kayessian（@Michael Kay 之后）公式计算两个节点集的交集：

$ns1[count(.|$ns2) = count($ns2)]

使用 XSLT 进行验证：

这个 XSLT 1.0 转换：

<xsl:stylesheet version="1.0"
 xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
 <xsl:output omit-xml-declaration="yes" indent="yes"/>
 <xsl:strip-space elements="*"/>

 <xsl:template match="/">
  <xsl:copy-of select=
  "    //a[starts-with(@href,'file://START')]/following-sibling::node()
         [count(.| //a[starts-with(@href,'file://END')]/preceding-sibling::node())
         =
          count(//a[starts-with(@href,'file://END')]/preceding-sibling::node())
         ]
  "/>
 </xsl:template>
</xsl:stylesheet>

应用于提供的 XML 文档时：

<html>...
    <a href="file://START0"></a>
    <p>First nodes</p>
    <p>First nodes    
        <span>X</span>
    </p>
    <p>First nodes</p>
    <a href="file://END0"></a>...
</html>

产生想要的正确结果：

<p>First nodes</p>
<p>First nodes    
        <span>X</span>
</p>
<p>First nodes</p>

这个 XSLT 2.0 转换：

<xsl:stylesheet version="2.0"
 xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
 <xsl:output omit-xml-declaration="yes" indent="yes"/>
 <xsl:strip-space elements="*"/>

 <xsl:template match="/">
  <xsl:copy-of select=
  " //a[starts-with(@href,'file://START')]/following-sibling::node()
   intersect
    //a[starts-with(@href,'file://END')]/preceding-sibling::node()
  "/>
 </xsl:template>
</xsl:stylesheet>

当应用到同一个 XML 文档（上图）上时，会再次产生所需的结果。

【讨论】：

+1。即使我很清楚 XPath 1.0 Kayessian 公式何时会派上用场，但我总是很难意识到如何在各种情况下应用它；而我可以很容易地阅读 XPath 2.0 的交集。不过这个例子真的很有用。
@empo：您可以使用 XPath Visualizer 将它们都可视化 :)
我很惊讶 HtmlAgilityPack SelectNodes 方法不支持 XPath 2.0。
@Hernan：XPath 2.0 实现很少，它们通常作为 XSLT 2.0 处理器或 XQuery 处理器的一部分出现——几乎从不独立。我们在这方面存在技术差距，并且随着 XPath 3.0 逐渐成为官方标准，差距将会扩大。
Dimitry，我添加了一个我应该处理的特殊情况：P

【解决方案2】：

我添加了一个我应该处理的特殊情况

要处理这种特殊情况，您可以以相同的方式工作，我的意思是使用 Kayessian（并使用 XPath Visualizer ;-)）。相交节点集变化如下：

相交节点集 C

    "//p[.//a[starts-with(@href,'file://START')]]
         /following-sibling::node()"

p 的所有后续兄弟包含 aSTART。

相交节点集 D

"./following-sibling::p[.//a[starts-with(@href,'file://END')]]
    /preceding-sibling::node())"

p 的所有前面的兄弟姐妹包含 a END 和当前 p 的以下兄弟姐妹

现在您可以将交集执行为：

C ∩ D

那是

    "//p[.//a[starts-with(@href,'file://START')]]
            /following-sibling::node()[
            count(.| ./following-sibling::p
                     [.//a[starts-with(@href,'file://END')]]
                       /preceding-sibling::node())
            =
            count(./following-sibling::p
                   [.//a[starts-with(@href,'file://END')]]
                     /preceding-sibling::node())
            ]"

如果您需要同时管理这两种情况，您可以将相交的节点集合并为

(A ∩ B) ∪ (C ∩ D)

地点：

必须使用 XPath 联合运算符 |：
节点集 A e B 已在 @Dimitre'answer 中显示
节点集 C e D 是我的答案中显示的。

【讨论】：

太棒了，非常感谢！似乎 XPath 2.0 使这些设置操作变得更加容易，不幸的是 .NET 3 中没有 2.0 支持！
看来。你可以写$n1 intersect $n2 代替$n1[count(.|$n2)=count($n2)]。无论如何，节点集的选择很棘手。
@Dimitre：嗯，这意味着我绝对很好！ :D 谢谢