XPath：如何从XHTML节点收集多个文本片段？

Question

我正在尝试使用XPath从XHTML页面中的节点提取文本，但是我无法收集给定节点下面的所有文本。

问题是，节点（例如，参见下面示例中的p元素）可以有多个子节点（例如＆＃34; b＆＃34;和＃34; em＆＃34; ）和散布的多个文本片段（＆＃34; aaaa＆＃34;，＆＃34; bbbb＆＃34;和＆＃34; cccc＆＃34;）。然而，我的XPath表达式＆＃34; p / text（）＆＃34;只返回第一个文本＆＃34; aaaa＆＃34;而我需要直接在p节点下面收集所有文本片段，即我想获得＆＃34; aaaabbbbcccc＆＃34; （但不是foo和bar）。如何教XPath收集所有文本并将它们作为一个串联字符串返回？

...
<p>
  aaaa
  <b>foo</b>
  bbbb
  <em>bar</em>
  cccc
</p>
...

或者：获取所有文本片段列表的XPath表达式是什么，所以我可以在我的代码中以编程方式连接它们？

Answer 1

如果它们是文本节点，则您的XPath表达式已经返回 p元素的所有直接子元素。只是你的XPath引擎或库只返回第一个结果。

要确定这是真的，请使用不同的引擎运行相同的XPath表达式，例如在http://xpath.online-toolz.com/tools/xpath-editor.php上。在那里，使用

<p>
  aaaa
  <b>foo</b>
  bbbb
  <em>bar</em>
  cccc
</p>

作为输入，//p/text()作为路径表达式（单个结果由--------分隔）：

[WHITESPACE-ONLY LINE]
aaaa
-----------------------
bbbb
-----------------------
cccc
[WHITESPACE-ONLY LINE]

如果你不介意p的孩子内部的文字也在输出，你可以使用

string(//p)

会产生

[WHITESPACE-ONLY LINE]
aaaa
foo
bbbb
bar
cccc
[WHITESPACE-ONLY LINE]

要准确获得您要求的输出，您需要提供更多信息（请参阅您的问题的评论）。

Answer 2

如果我将示例XML复制到Notepad ++并使用XPathenizer，则XPath表达式/p/text()可以正常工作。

这表明XPath表达式很好，故障位于其他地方。