xpath - XPath或XQuery排除仅包含列表的文章部分

Question

我正在尝试摘录文章的各个部分（简介，历史记录，概述...）。我正在寻找一个XPath来选择所有以标题开头并包含一些段落的部分。如果它们仅包含列表，则应将其丢弃。

例如 ：

<h2>Intro</h2>
<p> It has paragraph and should be extracted </p>
.....
<h2>References </h2>
<ul>...It has just list and should be discarded </ul>
<h2>...</h2>
....

如果不可能使用XPath，则XQuery也可以工作。
我尝试了以下XQuery

for $x in doc("test.xq")//h2
return
   <section>{$x/following-sibling::*[preceding-sibling::h2[1] is $x]}</section>

它根据需要选择各个部分，但是我无法对其施加条件（不仅限于 ul）。

Answer 1

您在另一个问题中提到这是在BaseX中，它支持XQuery 3.0 group by机制，因此如何处理：

for $x in doc("test.xq")//h2/following-sibling::*[not(self::h2)]
group by $hId := generate-id($x/preceding-sibling::h2[1])
return
  if ($x[not(self::ul)]) then
    <section>{($x/preceding-sibling::h2[1], $x)}</section>
  else ()

在这里，我首先找到我们要聚集在一起的所有非h2元素（根据您XML的结构，可能有一种更有效的方法），然后 group by表示每次“迭代” $x变量将是一个h2和下一个h2之间的非h2元素序列。然后， if条件检查该组中是否有至少一个不是 ul的元素。