xpath - 通过 XPath 提取节点之间的文本

Question

我正在尝试通过 XPath 读取网页的特定部分。该页面的格式不是很好，但我无法更改...

<root>
    <div class="textfield">
        <div class="header">First item</div>
        Here is the text of the <strong>first</strong> item.
        <div class="header">Second item</div>
        <span>Here is the text of the second item.</span>
        <div class="header">Third item</div>
        Here is the text of the third item.
    </div>
    <div class="textfield">
        Footer text
    </div>
</root>

我想提取各种项目的文本，即标题 div 之间的文本(例如“这是第一项的文本。”)。到目前为止，我已经使用了这个 XPath 表达式:

//text()[preceding::*[@class='header' and contains(text(),'First item')] and following::*[@class='header' and contains(text(),'Second item')]]

但是，我无法对结束项名称进行硬编码，因为在我想抓取的页面中，项目的顺序不同(例如，“第一项”可能后跟“第三项”)。

任何关于如何调整我的 XPath 查询的帮助将不胜感激。

Answer 1

找到了!

//text()[preceding::*[@class='header' and contains(text(),'First item')]][following::*[preceding::*[@class='header'][1][contains(text(),'First item')]]]

实际上，您的解决方案 Aleh 不适用于文本中的标签。

现在，剩下的一种情况是最后一项，它后面没有 class=header 的元素；所以它将包括找到的所有文本，直到文档结束。想法？