如何使用XPath在另一个子元素之后选择子文本

Question

我正在使用Crawler库来帮助您创建一些XPath表达式来获取HTML标记的内容。我目前正在从页面中读取HTML5内容，并且我希望以这种方式检索未插入标记的文本。

<div class="country">
    <strong> USA </strong>
        Some text here
</div>

所以我正在尝试将此文本此处的某些文字，但抓取工具库允许获取标记中的内容，而不是在其外部。

所以任何替代方案请。

这些是Crawler部分：

$crawler = new Crawler();
$crawler->xpathSingle($xml, '//div[@class="country"]/strong/@text');

Answer 1

这些XPath中的任何一个都将按要求返回"Some text here"：

• normalize-space(substring-after(//div[@class="country"], 'USA'))

• normalize-space(//div[@class="country"]/strong/following-sibling::text())

根据您希望容纳的变体类型进行选择。

^{_{信用：第二个例子来源于comment @Keith Hall首次提出的建议。}}

<强>更新：

正如我所提到的，你需要根据你想要容纳的变化来选择你的XPath。我刚刚发布的帖子比您遇到的变化：

<div class="country">
    <strong> USA </strong>
        Some text here
    <i>Do not want this text</i>
</div>

您可以使用上面的第二个XPath排除"Do not want this text"并按要求返回"Some text here"，但只需获取下面的第一个文本节点：

• normalize-space(//div[@class="country"]/strong/following-sibling::text()[1])