类似正则表达式匹配的xpath表达式?

时间:2009-02-28 12:06:40

标签: ruby regex xpath

我想在某个模式的html doc中搜索div id。 我想在正则表达式中匹配这个模式:

foo_([[:digit:]]{1.8})

使用xpath。上述模式的xpath等价物是什么?

我被//div[@id="foo_困住了然后呢?如果有人可以继续为其表达法律意见。

修改

抱歉,我想我必须详细说明。实际上它不是foo_,而是post_message_

不过,我使用的是mechanize / nokogiri(红宝石)

以下是片段:

html_doc = Nokogiri::HTML(open(myfile))
message_div =  html_doc.xpath('//div[substring(@id,13) = "post_message_" and substring-after(@id, "post_message_") => 0 and substring-after(@id, "post_message_") <= 99999999]') 

仍然失败。错误讯息:

  

无法计算表达式'//div[substring(@id,13) = "post_message_" and substring-after(@id, "post_message_") => 0 and substring-after(@id, "post_message_") <= 99999999]'(Nokogiri :: XML :: XPath :: SyntaxError)

4 个答案:

答案 0 :(得分:15)

这个(更新):

XPath 1.0:

"//div[substring-before(@id, '_') = 'foo' 
       and substring-after(@id, '_') >= 0 
       and substring-after(@id, '_') <= 99999999]"

编辑#2:OP对问题进行了更改。以下,更加简化的XPath 1.0表达式对我有用:

"//div[substring(@id, 1, 13) = 'post_message_' 
       and substring(@id, 14) >= 0 
       and substring(@id, 14) <= 99999999]"

XPath 2.0有一个方便的matches() function

"//div[matches(@id, '^foo_\d{1,8}$')]"

除了更好的可移植性之外,我希望数值表达式(XPath 1.0样式)的性能优于正则表达式测试,尽管这只会在处理大型数据集时变得明显。


答案的原始版本:

"//div[substring-before(@id, '_') = 'foo' 
       and number(substring-after(@id, '_')) = substring-after(@id, '_') 
       and number(substring-after(@id, '_')) &gt;= 0 
       and number(substring-after(@id, '_')) &lt;= 99999999]"

使用number()函数是不必要的,因为数学比较运算符隐式地将它们的参数强制转换为数字,任何非数字将变为NaN并且大于/小于测试将失败。

我还删除了尖括号的编码,因为这是XML要求,而不是XPath要求。

答案 1 :(得分:5)

正如已经指出的那样,在XPath 2.0中使用标准的正则表达式功能和matches()函数这样的函数会很好。

一种可能的XPath 1.0解决方案

//div[starts-with(@id, 'post_message_')
    and
      string-length(@id) = 21
    and
      translate(substring-after(@id, 'post_message_'), 
                '0123456789', 
                ''
                )
     =
      ''
      ] 

请注意以下

  1. 使用标准XPath函数starts-with()

  2. 使用标准XPath函数string-length()

  3. 使用标准XPath函数substring-after()

  4. 使用标准XPath函数 translate()

答案 2 :(得分:2)

或者使用xpath函数匹配(字符串,模式)。

  <xsl:if test="matches(name(.),'foo_')">

不幸的是它不是正则表达式,但它可能已经足够了,除非你有其他不需要的foo_标签,那么我猜你可以添加一些“if”检查来剔除它们。

答案 3 :(得分:0)

Nikkou使这非常容易阅读:

doc.search('div').attr_matches('id', /post_message_\d{1,8}/)