Question

我有一个HTML表，我需要使用XPath选择。该表可能包含也可能不包含多个类，但我只想要包含特定类的表。

以下是HTML代码段示例：

<html>
  <body>
    <table class="no-border">
      <tr>
        <th colspan="2">Blah Blah Blah</th>
      </tr>
      <tr>
        <td>Content</td>
        <td>
          <table class="info no-border">
            <tr>
              <!-- Inner table content -->
            </tr>
          </table>
        </td>
      </tr>
    </table>
  </body>
</html>

我需要使用XPath来检索包含类info的表。我尝试过使用/html/body/table/tr/td/table[@class='info*']，但这不起作用。我试图检索的表可能存在于HTML文档中的任何地方 - 技术上，不是任何地方，但外表和内表之间可能存在不同级别的层次结构。

如果有人能指出我正确的方向，我将不胜感激。

Answer 1

您可以做的最接近的是contains功能：

//table[contains(@class,'info')]

但请注意，这将捕获包含类information的表或具有info子字符串的任何其他内容。据我所知，XPath无法区分全字匹配。因此，您必须过滤结果以检查这种可能的情况。

Answer 2

XPath 1.0的字符串处理确实相当有限。您可以使用starts-with() substring()和类似功能进行适量的处理。请参阅this answer以创建类似于正则表达式的内容。

XSLT2.0（并非所有浏览器和软件支持）都支持regex。

Answer 3

您理想情况下需要的是table.info之类的CSS选择器。一些XML / HTML解析的XPath引擎和工具包确实支持这些选择器，这些选择器在内部被转换为XPath表达式，例如cssselect如果您使用Python并且包含在lxml中，或Nokogiri包含在Ruby中。

在一般情况下，要使用XPath模拟table.info之类的CSS选择器，常见的技巧或模式是使用contains()结合concat()和空格字符。在您的情况下，它看起来像这样：

.//table[contains(concat(' ', normalize-space(@class), ' '), ' info')]

Answer 4

我知道您没有要求此答案，但我认为这会帮助您更准确地查询。

//table[ (contains(@class,"result-cont") or contains(@class,"resultCont")) and not(contains(@class,"hide")) ]

这将获得包含“result-cont”或“resultCont”的类，而没有“hide”类。

使用XPath选择包含特定类的表

4 个答案: