java - 如何查找所有子节点的文本

Question

我正在使用 webdriver 来抓取网站以寻找装饰有魔术常量的链接，除了文本可能被格式化:

<a href="blah" ..><span blah>magic</span></a>

还有很多层次

<a href="blah" ..><span blah>A <span blah><b>magic</b></span> evening</span></a>

我不知道它是否被格式化，或者如果是，它深入了多少层，因为我正在搜索任意站点。

我的代码看起来像这样:

List<WebDriver> links = driver.getElements(By.tagName("a"));
   for (WebElement link : links) {
       List<WebElement> children = link.getElements(By.tagName("*"));
           for (WebElement child : children) {             
              if (myPattern.matcher(child.getText()).matches()) {
                 System.out.println("found match!");
              }
           }
    }

但这无法找到匹配项。

关于如何确定是否存在匹配的任何想法？

Answer 1

如果您可以使用 XPath，一个有用的 XPath 表达式是:

//a[span[.//text()[. = 'magic']]]

这会选择 XML 文档中的所有 a，这些 a 的 span 子级具有文本节点后代，其字符串值为字符串 "magic"。