xpath 搜索多个关键字

Question

我正在使用 htmlagilitypack 和 xpath 为特定关键字抓取网页。我在一次搜索多个关键字时遇到了麻烦。

所以我得到的关键字东西的代码是（随机选择的关键字：Frozen 和 obamacare）：

HtmlDocument doc = new HtmlDocument();
HtmlWeb web = new HtmlWeb();
doc = web.Load(uri);
HtmlNodeCollection Nodes = doc.DocumentNode.SelectNodes("//text()[contains(., 'Frozen obamacare')]");

即使我知道该页面特别有两个关键字，这也不起作用，并且从其他发现基本上得知SelectNodes("//text()[contains(., 'Frozen obamacare')]"); 是多个关键字的正确方法。

我需要帮助验证这是否是使用多个关键字的正确方法，如果不是，那么我正在寻求帮助来纠正它。

Answer 1

这将检索包含字符串“Frozen obamacare”的所有文本节点。它不会标记为单词或任何东西。与您的查询匹配的示例是：

• 冷冻奥巴马医改
• fooFrozen obamacarebar

不匹配：

• 冷冻 foo obamacare
• 冷冻奥巴马医改
• 等

要匹配包含两个标记的 XPath 1.0 中的字符串，请使用

//text()[contains(., 'Frozen') and contains(., 'obamacare')]

HTML Agility Pack 仅支持 XPath 1.0，因此您无法使用 XPath 2.0 更高级的标记化功能。

Answer 2

您的 XPath //text()[contains(., 'Frozen obamacare')] 会逐字检查包含字符串 Frozen obamacare 的文本节点。

您可能想检查是否可以使用 XPath 2.0 或 XQuery 1.0，因为您可以使用例如//text()[matches(., 'Frozen|obamacare')] 或考虑使用 .NET 和 HTML Agility Pack 中的 LINQ 支持以及可以使用的正则表达式支持

using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Text.RegularExpressions;
using System.Threading.Tasks;
using HtmlAgilityPack;

namespace ConsoleApplication63
{
    class Program
    {
        static void Main(string[] args)
        {
            HtmlWeb web = new HtmlWeb();
            HtmlDocument doc = web.Load("http://stackoverflow.com/questions/22767900/xpath-search-for-multiple-keywords");

            foreach (HtmlTextNode text in doc.DocumentNode.Descendants().OfType<HtmlTextNode>().Where(n => Regex.IsMatch(n.InnerText, @"\b(Frozen|obamacare)\b")))
            {
                Console.WriteLine("Found \"{0}\"", text.InnerText);
            }
        }
    }
}