XPath - 只获取属性值或文本节点的一部分

Question

好吧，我有以下 html，我想从中获取 @data-coords 属性，但我希望纬度和经度位于不同的变量中。见下面的html：

<div id="gmap-container">
    <div id="gmap-value" data-coords="-26.995548880319042,-48.633818457672135,16,150">
        ...
    </div>
</div>

如果我使用 //div[@id='gmap-imovel']/@data-coords 作为 XPath，它会从 @data-coords 属性返回整个内容。

我的 Python 代码是这样的：

xpaths = {
    "parser_lat": "//div[@id='gmap-value']/@data-coords", 
    "parser_lon": "//div[@id='gmap-value']/@data-coords"
}

latitude: str = parsel.Selector().xpath(xpaths['parser_lat']).extract_first()
longitude: str = parsel.Selector().xpath(xpaths['parser_lon']).extract_first()

return latitude, longitude

我想像上面提到的那样拆分纬度和经度，我知道我可以在 Python 代码中添加正则表达式来得到我想要的，但那样会破坏其他网站的管道。使用我不想使用的正则表达式的示例：

regex_expression = r'^-(\d+\.\d+)'

latitude = re.findall(regex_expression, '-26.995548880319042,-48.633818457672135,16,150')[0]
longitude = re.findall(regex_expression, '-26.995548880319042,-48.633818457672135,16,150')[1]

上面的这个例子会给我-26.995548880319042和-48.633818457672135各自的变量，但正如我所提到的，这会破坏到其他网站的管道。

我想只使用 XPath 得到我上面提到的这个结果，像这样：

parser_lat: regex('^-(\d+\.\d+)', //div[@id='gmap-imovel']/@data-coords)[0]
parser_lon: regex('^-(\d+\.\d+)', //div[@id='gmap-imovel']/@data-coords)[1]

然后在我给出的第一个 Python 代码示例中使用它。

我尝试使用 substring，但没有为我工作。

Answer 1

尝试在您的 XPath 中使用 substring-before() 和 substring-after()...

xpaths = {
    "parser_lat": "substring-before(//div[@id='gmap-value']/@data-coords, ',')", 
    "parser_lon": "substring-after(//div[@id='gmap-value']/@data-coords, ',')"
}