Xpath 联合多个查询

Question

我正在从另一个网站取消工作。源网站有不同的情况，因为用户复制粘贴数据和结构更改。

案例一：

<h3>Job Description</h3>
<div style="text-align: justify; line-height: 115%"><b>
Receptionist is assigned for ANAFAE-ALC based in Mazar-e-Sharif. This position is supervised by and reports to ALC Educational Program Manager and following are the main duties but are not limited to that.</div>

案例 2：

<h3>Job Description</h3>
<p>
Receptionist is assigned for ANAFAE-ALC based in Mazar-e-Sharif. This position is supervised by and reports to ALC Educational Program Manager and following are the main duties but are not limited to that.</p>

在这种情况下，p 标签有时会替换其他 html 标签。

案例 3：

<h3>Job Description</h3>
Receptionist is assigned for ANAFAE-ALC based in Mazar-e-Sharif. This position is supervised by and reports to ALC Educational Program Manager and following are the main duties but are not limited to that.

我正在使用这个字符串来获取内容。这现在适用于案例 3，但不适用于其他两种情况。如何修复 t 以适用于所有三种情况。

//text()[preceding::h3[text()="Job Description"]

Answer 1

您的 XPath 表达式选择前面带有 <h3> 且文本节点等于“职位描述”的文本节点。这仅匹配第三种情况，因为前两种情况分别在<h3> 之后有一个<div> 和一个<p>。

你可以试试这样的：

//node()[preceding-sibling::*[1][self::h3 = "Job Description"]]/string()

一些细节：

//node() 从初始上下文中选择所有元素或文本节点后代。

preceding-sibling::*[1] 选择前一个元素。

[self::h3 = "Job Description"] 检查元素是否为<h3>，并且其字符串值等于“职位描述”。

/string() 返回上下文节点的字符串值。对于您的示例内容，可以使用/descendant-or-self::text()。如果它是一个文本节点，它通过选择上下文节点来工作，如果它是一个元素，它会选择所有后代文本节点。但是，如果将 <div> 或 <p> 更改为具有混合内容（即，散布有文本节点的子元素），则该表达式将返回后代文本节点的序列，而 /string() 会将它们连接在一起。