Xpath选择带有多个空格和换行符的html答案

【问题标题】：Xpath selecting html with multiple spaces and newlineXpath选择带有多个空格和换行符的html
【发布时间】：2015-08-05 17:03:37
【问题描述】：

我正在尝试选择一个带有 class 属性的 div，该属性包含多个空格和换行符。下面是一个片段。我想选择所有带有test-one 和topit 的div 的样子：

<div class="test-one
                    topit
        ">


        <div class='test-one a'>1
        </div>
        <div class='topit'>2
        </div>
</div>

<div class="test-one
                    topit
        ">


        <div class='test-one a'>1
        </div>
        <div class='topit'>2
        </div>
</div>

这是我尝试过的：

"//div[contains(concat(' ', normalize-space(@class), ' '), ' topranks ') and contains(concat(' ', normalize-space(@class), ' ), ' list-node ')]"

和

//*[contains(concat(' ', normalize-space(@class), ' '), ' atag ')]

我尝试改进的来源：

XPath - How to select by @text that contains new line

和

How can I match on an attribute that contains a certain string?

【问题讨论】：

您提供的 XPath 表达式有效：//div[contains(concat(' ', normalize-space(@class), ' '), ' topit ') and contains(concat(' ', normalize-space(@class), ' '), ' test-one ')]（当然，您提供的表达式是 topranks 而不是 topit 和 list-node 而不是 test-one，但我猜你在测试时改变了它们——如果你没有改变，那就去吧）。
@unutbu 和 @acdcjunior 谢谢，它似乎可以工作，但在实际站点上却没有。原始 css 类 名称是 list-node 和 topranks。这是链接[链接]made-in-china.com/…
吉德，你的问题是什么？可以推断出一个问题，例如“我尝试过的方法不起作用。我怎样才能让它起作用？”如果这是您的问题，请告诉我们您尝试显示的 XPath 表达式时实际发生了什么。有错误吗？它没有选择任何东西吗？东西太多？做错事了？你怎么知道结果是什么？
@JideKoso 我坚持。您提供的 XPath 有效。我刚刚在您提供的网站上进行了尝试，并且可以正常工作。好吧，我不得不添加一个缺失的报价，但在那之后，它起作用了。试试看：//div[contains(concat(' ', normalize-space(@class), ' '), ' topranks ') and contains(concat(' ', normalize-space(@class), ' '), ' list-node ')] -- 请注意我关闭了 ' <QUOTE HERE>), ' list-node ')] 中的引用，因为你没有它。

标签： html xml xpath

【解决方案1】：

cssselect

cssselect.GenericTranslator().css_to_xpath('div.test-one.topit')
# "descendant-or-self::div[@class and contains(concat(' ', normalize-space(@class), ' '), ' test-one ') and (@class and contains(concat(' ', normalize-space(@class), ' '), ' topit '))]"

tree = lxml.html.parse('http://www.made-in-china.com/companysearch.do?xcase=hunt&order=0&style=b&page=1&word=bag&size=30&sizeHasChanged=0&memberLevel=blank&sgsMembershipFlag=&comProvince=nolimit&comCity=&cateCode=&comBusinessType=blank&numEmployees=&annualRevenue=&code=0&managementCertification=').getroot()

tree.cssselect('div.list-node.topranks')
# [<Element div at 0x7f62e732dd18>, <Element div at 0x7f62e72d1f48>, <Element div at 0x7f62e72eb188>, <Element div at 0x7f62e72eb0e8>, <Element div at 0x7f62e72eb138>, <Element div at 0x7f62e72eb1d8>, <Element div at 0x7f62e72eb228>, <Element div at 0x7f62e72eb278>, <Element div at 0x7f62e72eb2c8>, <Element div at 0x7f62e72eb318>]

【讨论】：

这是解决问题的好方法（如果工具链中有Python的位置），但它确实只是表明OP的XPath表达式是正确的，并没有解释为什么它不工作。换句话说，如果 OP 的 XPath 表达式对他不起作用，为什么这个解决方案会做得更好？
@LarsH 这里使用的表达方式不同。也许它真的会起作用。此外，OP 在关于 Python 的聊天中链接到这个问题，并声明他们使用 lxml。
我看到的唯一区别是对@class and 的测试，这对于任何满足谓词其余部分的 div 来说都是已知的，因此不会影响他的案子。 descendant-or-self:: 是// 的扩展。还有其他区别吗？除了不改变意思的括号？