xpath中的body标记是由一个bug生成的

Question

我试图使用ruby hpricot库从在线html中提取一些数据。我使用firefox扩展fire bug来获取所选项目的xpath。

生成的xpath表达式中总是有额外的tbody标记。在某些情况下，我必须从表达式中删除tbody标记才能获得结果，而在其他情况下，我必须保留该标记才能获得结果。

我就是不知道什么时候应该保留tbody标签，什么时候不应该。

Answer 1

为了考虑并避免这个问题，使用以下类型的XPath表达式:

 /locStep1/locStep2/.../table/YourSubExpression
|
 /locStep1/locStep2/.../table/tbody/YourSubExpression

如果table没有tbody的子节点，则联合算子(|)的第二个参数不选择节点，而联合算子的第一个参数选择需要的节点。

或者，如果table 有 tbody子，则联合运算符的第一个参数不选择节点，而联合运算符的第二个参数选择所需的节点。

最终结果:在两种情况下都选择了所需的节点

Answer 2

对于HTML 4或作为text/HTML的XHTML，解析器总是推断出tbody元素来包装tr元素，这些元素是已解析标记中table元素的直接子元素，这就是为什么在浏览器DOM中，HTML table总是有包含任何tr元素的tbody，并且像Firebug这样的工具为您提供了针对Firefox/Mozilla DOM的路径。我不知道您的Ruby库使用什么样的解析器，也许它使用XML解析器来处理XHTML文档，而XML解析器不推断table元素的tbody元素。

Answer 3

如果tbody元素没有明确存在，HTML5总是会添加它——这是处理无效HTML的修复策略的一部分。如果您想处理各种环境，使用table//tr可能是有意义的。