为什么 XPath contains() 选择了一个意外的节点？答案

【问题标题】：Why does XPath contains() select an unexpected node?为什么 XPath contains() 选择了一个意外的节点？
【发布时间】：2022-01-04 16:19:36
【问题描述】：

我正在尝试找到正确的 XPath 表达式以仅从我的所有文档中获取 URL，无论标签是什么。我正在尝试这个：

<urlset xmlns="https://www.sitemaps.org/schemas/sitemap/0.9">
  <url>
    <loc>https://url
    </loc>
    <lastmod>2019-08-07T15:01:51+00:00
    </lastmod>
  </url>
</urlset>

下面的表达式给了我这些结果：

//*[contains(.,'http')]//text()

https://url
2019-08-07T15:01:51+00:00

我正在寻找的是摆脱第二行。我需要能够从任何 XML 文件中获取仅 URL。

【问题讨论】：

标签： xml xpath

【解决方案1】：

你的 XPath 的原因，

//*[contains(.,'http')]//text()

选择令人惊讶的第二个结果是，此 XPath 表示选择所有 string-value 包含 "http" 子字符串的元素，并返回所有后代文本节点。这些元素不仅包括目标文本节点的直接父元素，还包括其祖先：

loc 元素，如您所料。
urlset 和 url 也如您所料。（urlset 和 url 元素也有一个 2019-08-07T15:01:51+00:00 后代文本节点，因此是它们的字符串值的一部分。）

实现预期结果的替代方案

将 * 所有元素通配符缩小为单个命名元素：
```
//loc[contains(.,'http')]/text()
```

将* all-elements 通配符缩小为多个命名元素：

//*[(self::loc or self::e2) and contains(.,'http')]/text()

选择包含子字符串"http"as noted by Michael Kay的所有文本节点：
```
//text()[contains(., 'http')]
```

另见

【讨论】：

谢谢。我已经看过这些主题，但没有找到我搜索的正确语法（这是最后一个）。我面临的问题是我不确定我会在我的 xml 文档中找到的标签。这就是为什么我需要在文本中搜索标签是什么。如果我的 xml 中没有任何标签，我不确定你的第一个和第二个选择是否有效（如果我错了，我很想知道为什么）。
第一个和第二个选项确实假定命名元素的存在。请记住，精心设计的标记消除了对文本进行模式匹配的需要，因为标记的全部意义在于识别文档部分。

【解决方案2】：

好吧，让我们忽略一个事实，即并非所有 URL 都包含“http”，也不是所有包含“http”的东西都是 URL...

要查找所有包含“http”的文本节点，只需使用//text()[contains(., 'http')]。

【讨论】：

如果我使用 www 会更合理吗？
我不知道什么对你来说是合理的——你知道你的数据，我不知道。检测像 'index.html' 这样的相对 URI 很困难！通常最好利用 XML 标记而不是依赖匹配内容。
我没关系。我只是事先不知道我会找到哪些标签。但谢谢你，它帮助了我。