python - 如何使用 Python 在多行文本中搜索 XPath 中的内容？

Question

当我使用 contains 在元素的 text() 中搜索数据是否存在时，它适用于普通数据，但当元素内容中有回车符、新行/标签时则无效。如何使 //td[contains(text(), "")] 在这种情况下工作？谢谢!

XML:

<table>
  <tr>
    <td>
      Hello world <i> how are you? </i>
      Have a wonderful day.
      Good bye!
    </td>
  </tr>
  <tr>
    <td>
      Hello NJ <i>, how are you?
      Have a wonderful day.</i>
    </td>
  </tr>
</table>

python :

>>> tdout=open('tdmultiplelines.htm', 'r')
>>> tdouthtml=lh.parse(tdout)
>>> tdout.close()
>>> tdouthtml
<lxml.etree._ElementTree object at 0x2aaae0024368>
>>> tdouthtml.xpath('//td/text()')
['\n      Hello world ', '\n      Have a wonderful day.\n      Good bye!\n    ', '\n      Hello NJ ', '\n    ']
>>> tdouthtml.xpath('//td[contains(text(),"Good bye")]')
[]  ##-> But *Good bye* is already in the `td` contents, though as a list.
>>> tdouthtml.xpath('//td[text() = "\n      Hello world "]')
[<Element td at 0x2aaae005c410>]

Answer 1

使用:

//td[text()[contains(.,'Good bye')]]

解释:

问题的原因不是文本节点的字符串值是多行字符串——真正的原因是 td 元素有多个文本节点子元素。

在提供的表达式中:

//td[contains(text(),"Good bye")]

传递给函数 contains() 的第一个参数是一个包含多个文本节点的节点集。

根据 XPath 1.0 规范(在 XPath 2.0 中，这只会引发类型错误)，对需要字符串参数但传递给节点集的函数求值时，仅采用节点集中的第一个节点。

在此特定情况下，传递的节点集的第一个文本节点具有字符串值:

 "
                 Hello world "

因此比较失败并且未选择所需的 td 元素。

基于 XSLT 的验证:

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

 <xsl:template match="/">
  <xsl:copy-of select="//td[text()[contains(.,'Good bye')]]"/>
 </xsl:template>
</xsl:stylesheet>

当此转换应用于提供的 XML 文档时:

<table>
      <tr>
        <td>
          Hello world <i> how are you? </i>
          Have a wonderful day.
          Good bye!
        </td>
      </tr>
      <tr>
        <td>
          Hello NJ <i>, how are you?
          Have a wonderful day.</i>
        </td>
      </tr>
</table>

计算 XPath 表达式并将所选节点(在本例中只有一个节点)复制到输出:

<td>
          Hello world <i> how are you? </i>
          Have a wonderful day.
          Good bye!
        </td>