Question

我有一组html页面（我没有任何控件），需要将li标签的完整内容提取为单个文本块，包括空格和除li标签对之外的所有标记。我正在使用HTML Xpath解析器1.0（并且没有选择。）

输入html看起来像

<ul class="gs-source-list">
<li id="s1" class="gs-source-item">
[S1] First text here
<br/>
<br/>
Label:
<br/>
<br/>
<span style="display:inline-block; margin-left:35px;">
More text
<br/>
More text
<br/>
</span>
<br/>
<br/>
Note: 
<br/>
<br/>
<span style="display:inline-block; margin-left:35px;">GRO reference is Note text</span>
</li>
</ul>

.//*[@class='gs-source-item']为我提供了我想要的文字，但是有开启和关闭的li标签。

.//*[@class='gs-source-item']//text()将文本作为单独的元素（而不是单个元素），而不是内部标记。

string(.//*[@class='gs-source-item']//text())只获取第一行文字。

对于我正在使用的解析器，

string-join(.//*[@class='gs-source-item']//text(),"")似乎不是可接受的语法，无论如何我认为它仍然会删除内部标记。

.//*[@class='gs-source-item']//node()获取所有文字和标签，但不是一个块。

我已经没有想法尝试......我已经查看了相关问题，但没有找到任何帮助（除了我上面列出的想法）。

Answer 1

没有XPath函数可以将HTML标记作为文本返回。如果您是通过编程语言访问的，则不提及，但我会使用代码来执行此操作。

读入HTML源代码并手动解析。

使用Xpath提取html标记的完整内容

1 个答案: