如何查找所有子节点的文本答案

【问题标题】：How to find text of all child nodes如何查找所有子节点的文本
【发布时间】：2012-05-07 06:06:57
【问题描述】：

我正在使用 webdriver 抓取网站以寻找用魔法常数装饰的链接，除了文本可能被格式化：

<a href="blah" ..><span blah>magic</span></a>

还有很多层次

<a href="blah" ..><span blah>A <span blah><b>magic</b></span> evening</span></a>

我不知道它是否被格式化，或者如果是，它有多深，因为我正在搜索任意网站。

我的代码如下所示：

List<WebDriver> links = driver.getElements(By.tagName("a"));
   for (WebElement link : links) {
       List<WebElement> children = link.getElements(By.tagName("*"));
           for (WebElement child : children) {             
              if (myPattern.matcher(child.getText()).matches()) {
                 System.out.println("found match!");
              }
           }
    }

但这无法找到匹配项。

关于如何确定是否匹配的任何想法？

【问题讨论】：

标签： java xpath webdriver htmlunit

【解决方案1】：

如果您可以使用 XPath，一个有用的 XPath 表达式是：

//a[span[.//text()[. = 'magic']]]

这会选择 XML 文档中的所有 a，这些 span 子节点具有文本节点后代，其字符串值为字符串 "magic"。

【讨论】：

对，但是不知道有没有span子，也不知道有多少span子。同样，我正在测试任意站点。我想递归查找所有孩子并获取他们的文本。
那么“魔法”这个词与这一切有什么关系呢？您肯定需要编辑您的问题并提供更好的源 XML 和更好的解释。
这个问题很好，只是需要从头到尾阅读。我说我不知道是否会有跨度，我什至给出了我期望遇到的格式化类型的例子。您提出的答案在问题中提供的示例中失败。
@rsj：那你需要解释一下“用魔法常数装饰”是什么意思。如果我们想要一个有用的解决方案，我们最好不要在问题的定义中使用散文。
@rsj：如果你能准确解释你想要选择哪个元素，那么我可能会给出一个只选择这个元素的 XPath 表达式。

【解决方案2】：

尝试使用jsoup 来获取文本内容，然后从那里非常简单

String html = "<a href=\"blah\"><span blah>...<b>magic</b>...</span></a>"
String string = Jsoup.parse(html).text(); //A magic evening
if(string.contains("magic")){ //you can optimize to have word match, e.g. not "magical"
    //it's a match
}

编辑：

很久没用WebDriver/Selenium了，但是我看到过类似这样的东西，看起来可能有同样的效果

String innerText = ((JavascriptExecutor)driver).executeScript("return arguments[0].innerText", element);

【讨论】：

好的，我会试试这个。但我希望使用普通的 webdriver API 来实现更轻的重量。
这里的问题是如果链接包含魔术字符串，我想点击它，href目标可能是javascript。但我会检查 jsoup。
很久没用WebDriver/Selenium了，但是我见过类似这样的东西，看起来可能有同样的效果，但这没有经过测试和一个疯狂的猜测：String innerText = ((JavascriptExecutor)driver).executeScript("return arguments[0].innerText", element);
这种方法的变体有效。在 Firefox 上， textContent 可以解决问题，但在 htmlunit 上不起作用。在那里，我使用了 innerHtml，然后处理了 html 以获取文本内容。如果您将您的评论推广到某个答案，我可以选择它。