如何从带有xpath的斜体元素后面的链接中提取url？

Question

我正在尝试使用xpath从许多页面中提取链接，我不确定我在这里做错了什么。这些页面的格式很差，带有斜体，这就是我认为它正在抛弃它。

这是html格式化方式的一个示例：

<p>
    <i>This content is constant</i>
    <a href="example.com/exampe123">
        <i>This text changes</i>
    </a>
    <i> </i>
</p>

在此示例中，单词“text”不会改变，但其余单词会改变。

我尝试使用以下xpath，但它不起作用：

//p/a[contains(text(), 'text')]/@href

Answer 1

您可以使用以下XPath个表达式之一：

//p/a[i[contains(text(), 'text')]]/@href

//p/a[contains(., 'text')]/@href

Answer 2

如果<i>元素导致问题，或者它们格式错误，那么在创建XPath对象之前，如何以文本方式删除所有<i>和</i>字符串呢？

var cleanString = dirtyString.Replace("<i>","").Replace("</i>","");

然后从该“干净”字符串创建您的XPath对象。您可能无需知道应用中<i>段的位置。