html - 如何使用 XPath 在另一个子元素之后选择子文本

Question

我正在使用 Crawler 库帮助您制作一些 XPath 表达式来获取 HTML 标记的内容。我目前正在从页面读取 HTML5 内容，我想检索未以这种方式插入到标记中的文本。

<div class="country">
    <strong> USA </strong>
        Some text here
</div>

所以我试图获取此文本此处有一些文本，但爬虫库允许获取标签中的内容，而不是标签外的内容。

所以请有任何替代方案。

这些是爬虫部分:

$crawler = new Crawler();
$crawler->xpathSingle($xml, '//div[@class="country"]/strong/@text');

Answer 1

这些 XPath 中的任何一个都将按要求返回 "Some text here":

• normalize-space(substring-after(//div[@class="country"], 'USA'))

• normalize-space(//div[@class="country"]/strong/following-sibling::text())

根据您希望适应的变化类型进行选择。

^{_{来源:第二个示例源自于 comment 中首次提出的建议通过 @Keith Hall .}}

---

更新:

正如我提到的，您需要根据您希望适应的变体来选择您的 XPath。我一发帖你就遇到了一个变体:

<div class="country">
    <strong> USA </strong>
        Some text here
    <i>Do not want this text</i>
</div>

您可以使用上面的第二个 XPath 排除 “不想要此文本” 并返回 “Some text here”，但只需获取以下第一个文本节点:

• normalize-space(//div[@class="country"]/strong/following-sibling::text()[1])