使用XPath查詢HTML文檔

Question

我有一個我想用C＃和XPath查詢的HTML文檔。我正在尋找的是XPath表達式 - 而不是XSLT，C＃，PHP或任何其他語言特定的代碼示例。任何幫助將不勝感激，但XPath表達式是我需要的:)。

<tr> 
    <td> 
    <p> 
     <span>text</span> 
    </p> 
    </td> 
    <td> 
    <p> 
     <span>text</span> 
    </p> 
    </td> 
</tr> 
<tr> 
    <td> 
    <p> 
     <span>This text is static and will never change</span> 
    </p> 
    </td> 
    <td> 
    <p> 
     <span>Bla bla bla .... more bla bla bla</span> 
    </p> 
    </td> 
</tr> 
<tr> 
    <td> 
    <p> 
     <span>text</span> 
    </p> 
    </td> 
    <td> 
    <p> 
     <span>text</span> 
    </p> 
    </td> 
</tr> 

我正在查找的XPath表達式將提取當前由字符串實例「Bla bla bla ...... more bla bla bla」表示的文本。本文將從HTML文檔到HTML文檔有所不同，但一個字符串始終是相同的。在這種情況下，該字符串被表示爲「這個文本是靜態的並且永遠不會改變」。

「這個文本是靜態的，永遠不會改變」和「Bla bla bla ....更多bla bla bla」當然不是真正的字符串 - 我將它們替換，因爲它們是域特定的，與問題無關並且它們揭示了不能顯示的敏感數據！

再次，任何幫助將不勝感激。謝謝。

Answer 1

使用：

/*/tr[2]/td[2]/p/span/text() 

當這個XPath表達式與下面的XML文檔（通過轉動提供不良HTML成簡潔（wellformed）XML文檔而獲得）來評價：

<table> 
    <tr> 
     <td> 
      <p> 
       <span>text</span> 
      </p> 
     </td> 
     <td> 
      <p> 
       <span>text</span> 
      </p> 
     </td> 
    </tr> 
    <tr> 
     <td> 
      <p> 
       <span>Some text</span> 
      </p> 
     </td> 
     <td> 
      <p> 
       <span>text to extract</span> 
      </p> 
     </td> 
    </tr> 
    <tr> 
     <td> 
      <p> 
       <span>text</span> 
      </p> 
     </td> 
     <td> 
      <p> 
       <span>text</span> 
      </p> 
     </td> 
    </tr> 
</table> 

的根據需要選擇值爲"text to extract"的文本節點。

XSLT - 基於驗證：

<xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform"> 
<xsl:output omit-xml-declaration="yes" indent="yes"/> 
<xsl:strip-space elements="*"/> 

<xsl:template match="node()|@*"> 
    "<xsl:copy-of select="/*/tr[2]/td[2]/p/span/text()"/>" 
</xsl:template> 
</xsl:stylesheet> 

當該變換是在相同的XML文檔（上文），XPath表達式求值和該評價的結果施加被複制到輸出 ：

"text to extract" 

或者，如果你知道的文字，但要選擇包含的一個元素（比如td），然後使用：

//text()[. = 'text to extract']/ancestor::td[1] 

再次用基於XSLT的驗證：

<xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform"> 
<xsl:output omit-xml-declaration="yes" indent="yes"/> 
<xsl:strip-space elements="*"/> 

<xsl:template match="node()|@*"> 
    <xsl:copy-of select= 
     "//text()[. = 'text to extract']/ancestor::td[1]"/> 
</xsl:template> 
</xsl:stylesheet> 

結果現在是：

<td> 
    <p> 
     <span>text to extract</span> 
    </p> 
</td> 

又一猜：

如果你想找到最接近前文本節點，然後用：

//text()[. = 'text to extract']/preceding::text()[1] 

XSLT - 基於驗證：

<xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform"> 
<xsl:output omit-xml-declaration="yes" indent="yes"/> 
<xsl:strip-space elements="*"/> 

<xsl:template match="node()|@*"> 
    "<xsl:copy-of select= 
     "//text()[. = 'text to extract']/preceding::text()[1]"/>" 
</xsl:template> 
</xsl:stylesheet> 

結果：

"Some text" 

更新：

由OP，和他的新解釋，XPath表達式，他正在尋找最新的更新後：

//text()[. = 'This text is static and will never change']/following::text()[1] 

這將選擇與字符串值的文本節點：

"Bla bla bla .... more bla bla bla"