如何使用XPath选择非空段？

Question

我想要抓的网页有类似的结构。每个都有一个段落，它是一个问题，一个段落是一个答案。我想抓住每个问题并回答并将它们存储在两个项目中

问题在于，在某些网页上，问题和答案分别是//xxx/p[1]和//xxx/p[2]，但在其他网页上，//xxx/p[1]是一个没有任何文字的空段落，作为额外的空间。对于这些页面，//xxx/p[1]不会给我我想要的东西。

那么是否有一个XPath表达式可以在一个节点下选择非空段落？

Answer 1

如果根本没有文字，你可以使用

//p[.//text()]

选择带文字的段落。如果“空”段落包含空格（例如换行符），则必须首先规范化空格：

//p[normalize-space(.//text())]

可以缩短为

//p[normalize-space()]

Answer 2

如果您将非空定义为段落包含任何类型的内容，那么以下XPath将是您想要的：

//xxx/p[node()]

这将 不 选择<p/>和<p></p>，但会选择以下各项：

1. <p>Text</p>
2. <p><b>Text</b></p>
3. <p><br/></p>
4. <p><!-- comment --></p>

如果您真的只关心文字内容，以下XPath将排除<p/>和<p></p>以及上述案例＃3和＃4：

//xxx/p[string(.)]

换句话说，它只选择情况＃1和＃2，这是段落的字符串值不为空的情况。