使用 XPath 提取文本节点：substring-after 函数的应用

本文旨在解决使用 XPath 提取特定文本节点时遇到的问题，特别是在目标文本节点前存在其他文本节点（例如空白字符）的情况下。我们将介绍如何利用 XPath 1.0 的 substring-after 函数来精确提取所需文本，避免提取到不需要的前导字符或空白。通过本文的学习，你将掌握一种有效的 XPath 文本提取技巧。

在使用 XPath 从 HTML 或 XML 文档中提取文本时，我们经常会遇到目标文本节点前存在其他文本节点的情况，例如空白字符或者分隔符。直接使用 //span[@class="meta"]/text() 这样的 XPath 表达式可能无法精确提取到我们想要的文本，因为该表达式会返回所有文本节点，而在 XPath 1.0 中，如果将节点集合作为字符串参数传递给函数，则只会使用第一个节点的值。

在这种情况下，substring-after 函数提供了一种有效的解决方案。该函数可以从一个字符串中提取指定分隔符之后的部分。

示例

假设我们有以下 HTML 代码片段：

<span class="meta"><span class="authordata">
<a href="https://example.com" title="Posts by me" rel="author">Author</a></span> | Aug 7, 2019 at 9:34 am ET
</span>

我们的目标是提取 "Aug 7, 2019 at 9:34 am ET" 这段文本。直接使用 //span[@class="meta"]/text() 可能会返回包含 " |" 前缀的文本，或者由于前导空白字符而提取失败。

以下 XPath 表达式使用 substring-after 函数来解决这个问题：

AppMall应用商店

AI应用商店，提供即时交付、按需付费的人工智能应用服务

56

查看详情

substring-after(//span[span/a/@rel="author"],' |')

表达式解析：

1. //span[span/a/@rel="author"]：首先，我们使用这个 XPath 表达式选择包含作者链接的 span 元素。这里的 span/a/@rel="author" 用于定位包含具有 rel="author" 属性的 a 标签的 span 元素。这样可以确保我们选择的是正确的 span 元素。
2. substring-after(...,' |')：然后，我们将选定的 span 元素的字符串值作为 substring-after 函数的第一个参数，并将 ' |' 作为第二个参数，表示我们要提取分隔符 " |" 之后的部分。

结果：

该 XPath 表达式将返回：

Aug 7, 2019 at 9:34 am ET

注意事项：

• 确保分隔符在目标文本中存在且唯一。如果分隔符不存在，substring-after 函数将返回空字符串。
• substring-after 函数区分大小写。如果分隔符的大小写不正确，将无法提取到正确的文本。
• 此方法适用于 XPath 1.0。在 XPath 2.0 及更高版本中，有更灵活的字符串处理函数可用。

总结：

substring-after 函数是 XPath 1.0 中一个强大的工具，可以帮助我们精确提取字符串中特定分隔符之后的部分。在处理包含前导字符或空白的文本节点时，该函数可以有效地避免提取到不需要的内容。通过结合具体的 HTML 结构和目标文本的特点，我们可以灵活运用 substring-after 函数，实现精确的文本提取。

以上就是使用 XPath 提取文本节点：substring-after 函数的应用的详细内容，更多请关注php中文网其它相关文章！