xpath - 使用一个xpath表达式从同级中捕获文本

Question

假设我有包含此类内容的HTML，并且我想忽略带有div的class=log，除非在带有div的class=ts之前，在这种情况下，我希望捕获同级的文本内容div在某些数据结构中。

一个人可以这样做吗？

<div class='log'>start</div>
<div class='ts'>2017-03-14</div><div class='log'>note 1</div>
<div class='ts'>2017-03-15</div><div class='log'>note 2</div>
<div class='log'>start</div>

Answer 1

以下XPath返回带有div的class='log'，紧接在div之后的class='ts'：

//div[@class='log' and preceding-sibling::node()[1][self::div/@class='ts']]

我将分解可能令人困惑的部分：


preceding-sibling::node()[1]：获取直接位于当前上下文元素之前的任何类型的节点（文本，元素，注释等）
[self::div/@class='ts']：验证该节点是一个 div且其 class属性等于'ts'


从这里开始，您将需要合并主机编程语言以继续获得所需的结果，例如，在python中使用 lxml：

>>> raw = '''<div>
... <div class='log'>start</div>
... <div class='ts'>2017-03-14</div><div class='log'>note 1</div>
... <div class='ts'>2017-03-15</div><div class='log'>note 2</div>
... <div class='log'>start</div>
... </div>'''
>>> from lxml import html
>>> root = html.fromstring(raw)
>>> query = "//div[@class='log' and preceding-sibling::node()[1][self::div/@class='ts']]"
>>> [[d.getprevious().text, d.text] for d in root.xpath(query)]
[['2017-03-14', 'note 1'], ['2017-03-15', 'note 2']]

以下是根据要求返回 ['2017-03-14', 'note 1','2017-03-15', 'note 2']的XPath：

//div[
    (@class='log' and preceding-sibling::node()[1][self::div/@class='ts'])
        or
    (@class='ts' and following-sibling::node()[1][self::div/@class='log'])
]/text()