XPath正则表达式不会在lxml.etree中搜索尾部

Question

我正在使用lxml.etree，我正在尝试允许用户在文档簿中搜索文本。 当用户提供搜索文本时，我使用 exslt match函数在文档手册中查找文本。 如果文本显示在element.text内，则匹配效果很好，但如果文本element.tail则不匹配。

下面是一个示例：

>>> # XML as lxml.etree element
>>> root = lxml.etree.fromstring('''
...   <root>
...     <foo>Sample text
...       <bar>and more sample text</bar> and important text.
...     </foo>
...   </root>
... ''')
>>>
>>> # User provides search text    
>>> search_term = 'important'
>>>
>>> # Find nodes with matching text
>>> matches = root.xpath('//*[re:match(text(), $search, "i")]', search=search_term, namespaces={'re':'http://exslt.org/regular-expressions'})
>>> print(matches)
[]
>>>
>>> # But I know it's there...
>>> bar = root.xpath('//bar')[0]
>>> print(bar.tail)
 and important text.

我很困惑，因为 text() 函数本身返回所有文本——包括tail：

>>> # text() results
>>> text = root.xpath('//child1/text()')
>>> print(text)
['Sample text',' and important text']

为什么当我使用 match 函数时不包括tail？

Answer 1

为什么当我使用匹配功能时，尾巴没有被包括在内？

这是因为在 xpath 1.0 中，当给定节点集时，match()函数（或任何其他字符串函数，如 contains()、starts-with() 等）只考虑第一个节点。

您可以使用//text()并在单个文本节点上应用正则表达式匹配过滤器，然后返回文本节点的父元素，如下所示：

xpath = '//text()[re:match(., $search, "i")]/parent::*'
matches = root.xpath(xpath, search=search_term, namespaces={'re':'http://exslt.org/regular-expressions'})