XPath语法，带或不带"/text()“后缀

Question

从不同的网站，提供的XPath语法不同，主要是"/text()"后缀的需要。

引用没有的语法，需要后缀：

• syntax.asp
• https://www.javatpoint.com/xpath-syntax

引用带有的语法，需要后缀：

• https://en.wikipedia.org/wiki/XPath
• https://devhints.io/xpath
• https://riptutorial.com/xpath/example/6209/find-all-elements-with-certain-text

据我所知，不同的库也只使用后缀或不带后缀(在使用和不使用后缀时，我都没有遇到过)。

不需要后缀：

• 浏览器javascript (例如: Chrome)
• 贾森(https://github.com/jaxen-xpath/jaxen)

需要后缀：

• Java本机XPath实现

最有可能的是，XPath库实现与用于XML和DOM的实现有区别吗？如果是的话，有什么不同，我在哪里可以找到区别呢？

Answer 1

我想你已经误诊了，而误诊的原因是你看了大约7名病人的症状，而不是去上医学院学习解剖学。

这里的“解剖”是XDM数据模型，它是XPath语义的基础。请特别注意：

(a)当你有这样的结构时

<title>Water</title>

有一个元素节点，其字符串值为“水”，它是单个文本节点的父节点，其字符串值也是“水”。

(b)当你有这样的结构时

<title>H<sub>2</sub>O</title>

有一个元素节点，其字符串值为"H2O"，它是三个子节点的父节点:字符串值"H“的文本节点，字符串值"2”的元素节点(它本身是另一个文本节点的父节点.)，以及字符串值"O“的第二个文本节点。

在(a)情况下，无论应用于元素节点还是文本节点，几乎所有操作都会产生相同的结果。例如，无论contains($x, "ate")是元素节点还是文本节点，$x都将为真。因此，将/text()添加到路径通常是多余的:它没有坏处，但它是不必要的。我们经常建议不要这样做，因为如果数据的结构后来发生变化，它会使您的代码更加脆弱，除了添加不必要的详细内容之外。

如果(b)在路径中添加/text()会导致您选择两个文本节点"H“和"O”，而不是选择元素节点。在XPath 1.0中，应用于两个文本节点序列的许多操作(如contains())忽略了除第一个节点之外的所有操作，因此contains(x/y/title/text(), "O")将返回false；在XPath 2.0中，它将抛出一个错误，说明false()的参数必须是单例。如果您只是想知道标题是否包含字母"O"，那么最好省略/text()并将操作应用到元素的字符串值，即所有文本节点的连接。

唯一需要使用"/text()“的是如果您想更深入地研究title元素的内部结构。

当然，XPath实现之间可能存在差异--并不是所有的实现都100%符合标准。但是主流实现是相当兼容的，如果您发现了不同之处，请告诉我们:明确说明源文档、路径表达式以及在不同实现中获得的不同结果。

Answer 2

如果查看相关规范，您会发现XPath 1.0 https://www.w3.org/TR/xpath-10/#node-tests以及XPath 2.0规范https://www.w3.org/TR/xpath20/#node-tests都将“后缀”定义为用于选择任何“文本节点”的“节点测试”text()。

没有一种规范要求使用text()，但当然，它是语言选择文本节点的一个选项，例如，在只有选择文本节点子节点的原因的情况下，元素和文本以及/或注释的内容混合在一起。

至于实现，我不认为Java的XPath 1.0实现需要您使用它，一些旧的DOM特定代码使用foo/text()而不是简单的foo来读取元素(例如<foo>some example</foo> )中的字符串内容的唯一原因是，对于较旧的DOM实现，如果选择Element节点，则没有属性或方法将元素的文本内容作为字符串访问，因此，人们使用foo/text()来选择Element的Text子节点，然后可以使用nodeValue属性(Javascript)或getNodeValue()方法(Java)获得带有some example的字符串。但是，DOM多年来一直在Element节点上提供属性Element，因此现在可以使用foo作为XPath并获取Element节点，并分别读出textContent或getTextContent()以获得字符串some example。

MSXML和XPath也相当古老，从未更新到DOMLevel3 W3C规范，但微软从一开始就在元素节点上拥有自己的私有.text属性，您可以在那里使用而不是标准化的textContent。然而，在这种情况下，我看到了类似的尝试，它们将foo/text()显式地读出为节点列表，然后可以将每个文本节点的nodeValue作为字符串访问。

我看到的使用foo/text()而不是foo的唯一实现特定的“首选项”是在Python的lxml库中，如果您希望将XPath选择直接映射到一个XPath字符串列表，在这种情况下，例如<data><foo>a</foo><foo>b</foo></data>上下文中的foo/text()表达式会给您提供一个包含两个a和b的Python字符串的列表，而使用foo则会给您一个包含两个元素节点的列表。因此，根据您在宿主语言方面的需要，在这种情况下，使用foo/text()可能更容易，但是您需要注意，像<data><foo>a<!-- comment -->b</foo><foo>c</foo></data>这样的输入会给出一个包含三个字符串的列表。