docx中的Xpath，带有括号作为包含属性答案

【问题标题】：Xpath in docx, having parentheses as contains attributedocx中的Xpath，带有括号作为包含属性
【发布时间】：2015-01-29 19:36:13
【问题描述】：

使用用于 docx 操作的库 phpdocx.com，我偶然发现了一个问题，我无法用我糟糕的 xpath 和 docx 知识解决。

在phpdocx中有所谓的块变量，用来标记一个完整的块，例如

$BLOCK_foo.bar$
Here comes a value
$BLOCK_foo.bar$

为了定位和移除这样的块，他们（phpdocx）使用下面的 xpath 表达式：

//w:p[w:r/w:t[text()[contains(.,"BLOCK_foo.bar")]]]

相应的 docx sn-p 可以在这里找到：https://gist.github.com/anonymous/6bd998117b1a493dbaf7

所以，我已经对其进行了调试，上面的 XPath 查询找到了 one 节点 w:p。

第一个问题，诚然：为什么它只找到一个匹配但实际上有两个（“开始”和“结束”块）。此外，由于那个书签东西，BLOCK_ 的出现被撕掉了。这到底是怎么回事？

但我的实际问题是，我有，不要问，像 $BLOCK_foo.bar(20).baz$ 这样的块名称。

这个的xpath分别是

//w:p[w:r/w:t[text()[contains(.,"BLOCK_foo.bar(20).baz")]]]

这没有按预期工作，它找到了两个节点（虽然都是w:p）；在哪里，我交叉检查了，

//w:p[w:r/w:t[text()[contains(.,"BLOCK_foo.bar20.baz")]]]

..正确地在$BLOCK_foo.bar20.baz 上工作，所以我最后认为这是表达式中出现括号的问题？另一方面，contains() 值用引号括起来，所以我认为这应该不是问题；但我读过，例如单引号也可能在contains() 表达式中造成麻烦......

相关的 PHP 代码块是https://gist.github.com/anonymous/490418104fdf5cd1a791。可以在此处找到一个具体的 XML 示例，http://gist.github.com/anonymous/07eeddeb7d2f3c7db55b。从第 16 行到第 74 行的第一个“块”工作正常，而第 101 到 166 行没有，我看到的唯一区别是括号......

你知道我可以在这里做什么吗？

【问题讨论】：

标签： xml xpath openxml docx phpdocx

【解决方案1】：

所以我最后认为这是表达式中出现括号的问题？

不，问题完全不同，这是 MS Word 在以 OOXML 格式存储数据时的特性。内容被随机分成单独的w:r 元素（所谓的“运行”）。正如你在这里看到的：

<w:r>
    <w:rPr>
        <w:rFonts w:cs="Arial" w:ascii="Arial" w:hAnsi="Arial"/>
        <w:sz w:val="22"/>
        <w:szCs w:val="22"/>
        <w:lang w:val="en-US"/>
    </w:rPr>
    <w:t>$BLOCK_</w:t>
</w:r>
<w:bookmarkEnd w:id="1"/>
<w:r>
    <w:rPr>
        <w:rFonts w:cs="Arial" w:ascii="Arial" w:hAnsi="Arial"/>
        <w:sz w:val="22"/>
        <w:szCs w:val="22"/>
        <w:lang w:val="en-US"/>
    </w:rPr>
    <w:t>foo.bar$</w:t>
</w:r>

字符串“BLOCK_foo.bar”不像预期的那样在一个w:t元素中，在一个w:r元素中，而是分成两半。这就是为什么//w:p[w:r/w:t[text()[contains(.,"BLOCK_foo.bar")]]] 只返回一个w:p 元素。

对于你描述的另一个块，我怀疑会发生同样的情况，但你没有显示代码，所以所有的赌注都没有了。

顺便说一句，不，单引号一般不会给contains() 造成任何麻烦。你在哪里读到的？

【讨论】：

感谢您的回答，请在此处找到更详细的代码示例：gist.github.com/anonymous/07eeddeb7d2f3c7db55b 第一个从第 16 行到第 74 行的“块”工作正常，而第 101 行到第 166 行则不行，并且我看到的唯一区别是括号...
@AdrianFöder 在这里单独运行没问题。不过有一点我没听懂：你说//w:p[w:r/w:t[text()[contains(.,"BLOCK_foo.bar(20).baz")]]]“没有按预期工作，但找到了两个节点”——这是什么意思？无论如何，您可以从 phpdocx 中显示一些代码吗？
是的，它找到了两个节点（我通常期望的，因为有两次出现）；但在它工作的情况下，它只找到一个节点。这就是我在这里不明白的......所以：工作：一个节点，不工作：两个节点。这是 phpdocx 的代码：i.imgur.com/yVtVq5U.png$affectedNodes.length 在错误情况下为 2，在运行中为 1。
@AdrianFöder 请不要链接到包含您的代码的图像。编辑问题并将其包含在其中。但不是作为图像，作为代码。

【解决方案2】：

好的，我发现了。括号实际上根本不是问题，我只是没有意识到 PHPDocx 是如何处理块替换的。

有一个狡猾但邪恶的正则表达式，它只是替换变量中的 everything 直到变量下一次出现，就像\$BLOCK_VARIABLE\$.+?\$BLOCK_VARIABLE\$。因此，每一次出现的 XML 和东西都被剥离，并被一次出现的 $VARIABLE$ 所取代。

下一步，它通过XPath搜索变量的出现并删除父段落节点。

【讨论】：