XPath查询以查找整个HTML中所有未标记的文本
XPath查询以查找整个HTML中所有未标记的文本
提问于 2016-02-04 15:37:13
给定以下HTML，是否有一个XPath查询将提取两个<h2>标记之间的所有标记文本和未标记文本？(我使用的是RStudio中的RStudio包。)
<html>
<h2 id="section1" class="article">Heading 1</h2>
<h3 id="section1.1" class="article">Subheading 1</h3>
<p id="para001" class="article section clear">
Paragraph text 1.</p>
<div id="formula1" class="formula">...<img />...</div>
Untagged text 1.
<sub> Subscripted text. </sub>
Untagged text 2.
<em> Emphasized text. </em>
Untagged text 3.
<span id="bib"> Bibliography text. </span>
Untagged text 4.
<p id="para002" class="article section clear">
Paragraph text 2.</p>
<h3 id="section1.2" class="article">Subheading 2</h3>
<p id="para003" class="article section clear">
Paragraph 3 text.</p>
<h3 id="section1.3" class="article">Subheading 3</h3>
<p id="para004" class="article section clear">
Paragraph 4 text.</p>
<h2 id="section2" class="article">Heading 2</h2>
</html>我正在尝试提出一个查询，该查询将返回：
Paragraph text 1.
Untagged text 1.
Subscripted text.
Untagged text 2.
Emphasized text.
Untagged text 3.
Bibliography text.
Untagged text 4.
Paragraph text 2.
Paragraph text 3.
Paragraph text 4. 到目前为止我尝试的是，
//p[preceding-sibling::h2[@id='section1']
and following-sibling::h2[@id='section2']
and descendant::node()]它回来了，
Paragraph text 1.
Paragraph text 2.
Paragraph text 3.
Paragraph text 4.我尝试使用this question的解决方案，但我的问题稍微复杂一些。我尝试添加following-sibling::text()[1]，但它没有提取无标记文本。如果没有一个好的XPath解决方案，那么我会很高兴地欢迎诸如CSS选择器这样的替代方法。
回答 1
Stack Overflow用户
回答已采纳
发布于 2016-02-04 18:52:20
首先，您不想只过滤p标记(这是p在第三个字母中所做的)，您需要在section1之后和第2节之前的所有标签。第二，您正在寻找这两个文本节点之间的标签的所有附件。
因此:查找所有具有preceding-sibling::h2[@id='section1']和following-sibling::h2[@id='section2']的标记
//*[preceding-sibling::h2[@id='section1'] and following-sibling::h2[@id='section2']]然后查找以下所有的text()-tags：
//*[preceding-sibling::h2[@id='section1'] and following-sibling::h2[@id='section2']]//text()页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/35205168
复制相关文章
相似问题
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号