Powershell - 如何专门选择侧面的文本<H1>，但不选择<SPAN>。冒号错误

Question

我正在用Powershell进行一些web抓取。网站上有一个项目的代码是这样的：

<h1 class="">1001 Nights&nbsp;<span id="titleYear">(<a href="/year/1968/?ref_=tt_ov_inf">1968</a>)</span>            </h1>

我想提取里面的文本，这个文本：

1001 Nights

但不是这个文本：

<span id="titleYear">(<a href="/year/1968/?ref_=tt_ov_inf">1968</a>)</span>

网站上的CSS选择器类似于：

"#title-overview-widget > div.vital > div.title_block > div > div.titleBar > div.title_wrapper > h1"

在Stack Overflow上进行了一些搜索，我找到了下面的作业代码。

$Result =  Invoke-WebRequest -Uri "https://www.imdb.com/title/tt0062940/?ref_=ttls_li_tt"
$movieTitleSelector = "#title-overview-widget > div.vital > div.title_block > div > div.titleBar > div.title_wrapper > h1"
$NodeList = $Result.ParsedHtml.querySelectorAll( $movieTitleSelector)
$PsNodeList = @()
for ($i = 0; $i -lt $NodeList.Length; $i++) { 
$PsNodeList += $NodeList.item($i)
}
$PsNodeList | ForEach-Object {
$_.InnerText
}

结果是：

1001 Nights (1968)

《一千零一夜》是电影名称，《1968》是<span></span>中包含的上映年份。我只想要标题部分，而不是发布年份部分。我在Stack Overflow上发现了一些代码，说我可以通过将上面文本中的代码更改为：来独占地选择<h1>标签中不在<span>内的文本

$movieTitleSelector = "#title-overview-widget > div.vital > div.title_block > div > div.titleBar > div.title_wrapper > h1 :not(span)"

但当我运行代码时，它会抛出

Invalid argument.
At line:1 char:1
+ $NodeList = $Result.ParsedHtml.querySelectorAll( "#title-overview-wi ...
+ ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
+ CategoryInfo          : OperationStopped: (:) [], ArgumentException
+ FullyQualifiedErrorId : System.ArgumentException

错误。我认为出现错误是因为$movieTitleSelector字符串中有一个冒号，但我不太确定。任何人请告诉我如何在<h1>元素中获得标题文本，而不是在<span>标记中。非常感谢。

Answer 1

为什么不呢？只需在摘录中使用regex删除年份或您想要的任何字符串。

$movieTitleSelector = "#title-overview-widget > div.vital > div.title_block > div > div.titleBar > div.title_wrapper > h1 :not(span)" -replace 's(d{4})'
'1001 Nights (1968)' -replace 's(d{4})'
<#
# Results
1001 Nights
#>

更新

试试这个。。。根据您的反应。

$Result =  Invoke-WebRequest -Uri "https://www.imdb.com/title/tt0062940/?ref_=ttls_li_tt"
$movieTitleSelector = "#title-overview-widget > div.vital > div.title_block > div > div.titleBar > div.title_wrapper > h1"
$NodeList = $Result.ParsedHtml.querySelectorAll( $movieTitleSelector)
$PsNodeList = @()
for ($i = 0; $i -lt $NodeList.Length; $i++) { 
$PsNodeList += $NodeList.item($i)
}
$PsNodeList | 
ForEach-Object {
$_.InnerText -replace 's(d{4})' 
}