dom4j XPath 无法解析 xhtml 文档答案

【问题标题】：dom4j XPath not working parsing xhtml documentdom4j XPath 无法解析 xhtml 文档
【发布时间】：2010-09-01 20:28:59
【问题描述】：

我正在尝试使用 dom4j 来解析 xhtml 文档。如果我只是打印出文档，我可以看到整个文档，因此我知道它被正确加载。我尝试选择的两个 div 在文档中处于完全相同的级别。

html
  body
    div
     table
      tbody
       tr
        td
         table
           tbody
            tr
             td
              div class="definition"
              div class="example"

我的代码是

List<Element> list = document.selectNodes("//html/body/div/table/tbody/tr/td/table/tbody/tr/td");

但是当我做System.out.println(list);时列表是空的

如果我只做List<Element> list = document.selectNodes("//html");，它实际上会返回一个包含一个元素的列表。所以我对我的 xpath 出了什么问题以及为什么它找不到那些 div 感到困惑

【问题讨论】：

标签： java xml dom4j xpath

【解决方案1】：

尝试将 xhtml 命名空间声明为 xpath，例如将其绑定到前缀 x 并使用 //x:html/x:body... 作为 XPath 表达式（另请参见 this article，但它适用于 Groovy，不适用于纯 Java）。在 Java 中可能应该执行以下操作：

DefaultXPath xpath = new DefaultXPath("//x:html/x:body/...");
Map<String,String> namespaces = new TreeMap<String,String>();
namespaces.put("x","http://www.w3.org/1999/xhtml");
xpath.setNamespaceURIs(namespaces);

list = xpath.selectNodes(document);

（未经测试）

【讨论】：

这非常有效！我没想到你能做到。我在路径中还需要一个额外的 div。但是我在没有 x: 的情况下再次尝试了它，但它没有那样工作，所以你的解决方案做到了。我认为解析 xhtml 与普通 xml 相比存在问题。

【解决方案2】：

“//div”呢？还是“//html/body/div/table/tbody”？我发现长的文字 XPath 表达式很难调试，因为我的眼睛很容易被欺骗……所以我将它们分解，直到它确实起作用，然后重新构建。

【讨论】：

这就是我想要做的。这就是我如何抓住丢失的div。但不幸的是，即使我的元素顺序正确，我仍然需要安德烈的回答才能使路径正常工作
啊，是的...我错过了“xhtml”部分，所以如果文件中有命名空间，那么你肯定需要它。

【解决方案3】：

替代方案可能是：-

//div[@class='definition' or @class='example']

这会在文档中任何“class”属性值等于“definition”或“example”的地方搜索“div”元素。

我发现这种方法更清楚地说明了您试图从页面中检索的内容。另一个好处是，如果页面结构发生变化，但 div 类保持不变，则不需要更新您的 xpath。

您还可以使用以下非常有用的 firefox 插件检查您的 xpath 是否适用于 HTML 文档。

Firefox Plugin - XPath Checker 0.4.4

【讨论】：