html - 如何用 XPath 中的 XML 值识别节点？

Question

我使用 R 来抓取网站，在解析 HTML 代码时，我有以下代码:

    <div class="line">
        <h2 class="clearfix">
            <span class="property">Number<div>number extra</div></span>
            <span class="value">3</span>
        </h2>
    </div>
    <div class="line">
        <h2 class="clearfix">
            <span class="property">Surface</span>
            <span class="value">72</span>
        </h2>
    </div>

现在我想在此代码中获取一些值。

• 如何识别带有 xml 值“Number”的 span。并获取节点，以提取“额外数字”？
  我知道如何使用 xpathApply 识别节点以获取 xmlValue 或某些属性(如 href 和 xmlGetAttr)。但是我不知道如何在知道节点的 xml 值的情况下识别节点。

    xpathApply(page, '//span[@class="property"]',xmlValue)
  

• 如果我想获取属性类“Surface”的“值”72，最有效的方法是什么？

这是我开始做的:首先，我提取所有“属性”:

xpathApply(page, '//span[@class="property"]',xmlValue)

然后我提取所有“值”:

xpathApply(page, '//span[@class="value"]',xmlValue)

然后我构建一个列表或矩阵，这样我就可以识别“Surface”的值，即 72。但问题是，有时，class="property" 的跨度不能在 h2 中有一个带有 class="value"的跨度。所以我无法建立一个合适的列表。

这会是最有效的方法吗？用class="property"识别span，然后识别包含这个span的h2，然后识别span 使用 class="value"?

Answer 1

为了通过添加单个根元素使您的 HTML 格式正确，

<?xml version="1.0" encoding="UTF-8"?>
<r> 
  <div class="line"> 
    <h2 class="clearfix"> 
      <span class="property">Number
        <div>number extra</div>
      </span>  
      <span class="value">3</span> 
    </h2> 
  </div>  
  <div class="line"> 
    <h2 class="clearfix"> 
      <span class="property">Surface</span>  
      <span class="value">72</span> 
    </h2> 
  </div> 
</r>

---

(A) 这个 XPath 表达式，

//span[@class='property' and starts-with(., 'Number')]/div/text()

会回来

number extra

根据要求。

---

(B) 这个 XPath 表达式，

//h2[span[@class='property' and . = 'Surface']]/span[@class='value']/text()

会回来

72

根据要求。