Question

假设您已使用htmlTreeParse()获取此XML代码片段：

   <div class="right_location">
      <h3>Office Locations</h3>
      <div class="right_location_in">
          <h4>
             <a href="/?t=10&L=234&format=XML&p=5406">Akron Office</a>
          <h4>
          <address>
          <address>
  </div>
  <div class="right_location_in">
         <h4>
            <a href="/?t=10&L=235&format=XML&p=5406">Cleveland Office</a>

有一些未知数量的办公室，但这个表达式会返回它们。所有人都附加了＃34;办公室＆＃34;

xpathSApply(doc, "//div[@class ='right_location']//a", xmlValue, trim = TRUE)
[1] "Akron Office"

如何排除不需要的＆＃34; Office＆＃34;从每一个？我想我不能使用contains()的否定因为表达式不匹配。也许text()有能力省略指定的文本？

substring-befor（）的答案很好，但我需要让它为每个位置运行，而不仅仅是第一个位置。

Answer 1

以下XPath将从您的XML返回“Akron”：

substring-before(//div[@class ='right_location']//a[1], ' Office')

备注：

使用a[1]选择可能多个a的第一个。

使用substring-before删除' Office'。

处理每个匹配的a通常在XPath 本身之外完成（在XSLT或Python或其他托管语言中，从中调用XPath库进行选择），但是如果你正在使用XPath 2.0 ，你可以考虑（a）使用for expression，（b）使用MathiasMüller建议的tokenize()和“Office”作为分隔符，或者（c）如果只是想在没有“办公室”的情况下找回“阿克伦克利夫兰”，replace()“办公室”什么也没有。

省略了返回文本中不需要部分的xpath表达式

1 个答案: