dom改进XPath-query以正确区分文本节点

Question

我过去广泛使用XPath。目前我正面临一个问题，我无法解决。

约束

• 纯 XPath 1.0
• 没有辅助函数(例如没有"concat(("(

HTML 标记

<span class="container">
Peter: Lorem Impsum
<i class="divider" role="img" aria-label="|"></i>
Paul Smith: Foo Bar BAZ
<i class="divider" role="img" aria-label="|"></i>
Mary: One Two Three
</span>

挑战

我想提取三个连贯字符串：

• 彼得：洛雷姆·英普苏姆
• 保罗·史密斯：Foo Bar BAZ
• 玛丽：一二三

XPath

以下XPath查询是我经过数小时研究后想出的最好的查询：

XPath-query 1

//span[contains(@class, "container")]
=> Peter: Lorem ImpsumPaul Smith: Foo Bar BAZMary: One Two Three

XPath-query 2

//span[contains(@class, "container")]//text()
Peter: Lorem Impsum Paul Smith: Foo Bar BAZ Mary: One Two Three

问题

尽管之后可以使用(PHP(字符串函数对生成的字符串进行后处理，但我无法将其拆分为正确的三个块：我需要一个XPath查询，它使我能够正确区分文本节点。

是否可以在文本节点之间集成一些"人工分隔符"？

Answer 1

你对 XPath 1.0 的期望太高了。 XPath 1.0本身可以帮助您在此处选择

1. 字符串，或
2. 一组文本节点

然后，您必须在XPath之外完成处理(正如Mads在评论中建议的那样(。

要了解您遇到的极限，您的第一个 XPath，

//span[contains(@class, "container")]

选择span元素的节点集。 XPath 1.0 运行的环境向您显示文档中单个此类节点的字符串值(某些变体(：

Peter: Lorem ImpsumPaul Smith: Foo Bar BAZMary: One Two Three

但要清楚：您的 XPath 选择的是span元素的节点集，而不是此处的字符串。

你的第二个XPath，

//span[contains(@class, "container")]//text()

选择text()节点的节点集。 XPath 1.0 运行的环境显示每个选定text()节点的字符串值。

如果可以使用 XPath2.0，则可以直接在 XPath 中选择一个字符串序列，

//span[contains(@class, "container")]/text()/string()

或者你可以加入他们，

string-join(//span[contains(@class, "container")]/text(), "|")

并直接获得

Peter: Lorem Impsum
|
Paul Smith: Foo Bar BAZ
|
Mary: One Two Three

或

string-join(//span[contains(@class, "container")]/text()/normalize-space(), "|")

要得到

Peter: Lorem Impsum|Paul Smith: Foo Bar BAZ|Mary: One Two Three