在动态 html 结构中使用 xpath 获取文本

Question

我有很多 html，想通过 xpath 处理它。文本出现的可能方式有两种：

<div>
  The Text
</div>
<!-- OR -->
<div>
  <span>The Text</span>
</div>
<!-- BUT NOT -->
<div> other text
  <span>The Text</span>
</div> other text

有没有一种方法可以使用单个 xpath 表达式获取“文本”？

编辑：

具体结构：

<div id="content">
<h1>...</h1>
<div>
    ...
</div>
<div>
    <span>The Text</span>
</div>

我通过 //div[@id='content'][1] 获取 content 节点并将其重用于其他目的。在这个上下文节点上，我尝试执行./div[2]/span/text() | ./div[not(span)][2]/text()。如果没有跨度，它可以工作，但如果有生成，则返回空白/null。我正在使用 Java xpath 实现。 div 始终是 content-node 的第二个。

Answer 1

div/span/text() | div[not(span)]/text()

应该可以解决问题。这将选择作为<span> 子级的文本节点（如果有<span>），以及作为<div> 子级的文本节点（如果没有<span>）。

您必须修改 div 部分以反映您正在评估 XPath 表达式的上下文。如果您想对文档中的所有<div> 元素执行此操作，请将div 更改为//div。

更新：

根据你发布的新上下文信息，上面的XPath应该修改为：

./div[2]/span/text() | ./div[2][not(span)]/text()

但是，当有 <span> 元素时，我不明白为什么您的版本不返回任何文本。您能否提供更多上下文 - 您正在评估 XPath 的 Java 代码；也许您的输入 HTML 的更详细的 sn-p？示例输入 HTML 真的完全代表您的实际输入吗？会不会有另一个 </div> 被忽视？