Question

这可能是比我正在做的更好的方法，因为我被困在一个隐喻的坑洞里。

我想获得特定节点下的一些节点。我上来了使用此XPath表达式：

>>> content_tags = 'h1 h2 h3 h4 h5 h6 p ol ul dl table'.split() 
>>> content_xpath = './/*[%s]' % ' or '.join('self::%s' % i for i in content_tags) 
>>> content_xpath 
'.//*[self::h1 or self::h2 or self::h3 or self::h4 or self::h5 or 
self::h6 or self::p or self::ol or self::ul or self::dl or 
self::table]'

任何列出的content_tags都可以是我所在的层次结构的顶部想要，我想忽略可能同时存在的其他元素或更高的水平。不幸的是，有时候里面有一个<p> <ul>或<table>或<table>内<ol>等等，我得到了内部元素与外部元素一起作为单独的结果。有没有好办法执行“剪切”以忽略可能嵌套在其中的节点我找到了？还是有一些更好的方法来做到这一点，我不知何故失踪？

这是我正在尝试解析的一个示例。

<div class="interesting"> 
<img src="ignore-this.jpg"/> 
<h1>I want this.</h1> 
<p>I want this, too.</p> 
<div class="sidebar"> 
<ul> 
<li><p>I only want one copy of this, inside the UL.</p></li> 
<li><p>Ditto.</p></li> 
</ul> 
</div> 
</div>

谢谢！

顺便说一下，我在一个w3.org邮件列表上发现了一些提倡a “不要包括任何后代或自我”过滤器，我认为这样做正是我想要的东西，但它似乎没有进入最终规范。 :(

Answer 1

使用//p进行搜索是明确的递归 - 如果这不是您想要的，请不要这样做！：）

如果您只希望p直接位于有趣的div下，但div可以位于您的层次结构中的任何位置，则表示如下：

//div[@class='interesting']/p

...如果您只想要一个直接位于树中位置的p，则搜索是相对的，这甚至更简单：

./p

如何让XPath忽略嵌套节点？

1 个答案: