使用 Xpath 2.0 提取和分组所有文本节点答案

【问题标题】：Extracting and grouping all text nodes using Xpath 2.0使用 Xpath 2.0 提取和分组所有文本节点
【发布时间】：2012-01-14 23:35:05
【问题描述】：

我想从特定文档的子节点中提取所有文本，并返回一个文本数组。我认为在示例中显示它会更容易：

给定文件：

<root>
    <div>
        some text
        <p>some other text</p>
    </div>

    <div>
        another text
        <b>yet another text <em>even more</em></b>
        end of text
    </div>
</root>

我想构造一个返回两个元素的表达式：

 [0] some text someother text
 [1] another text yet another text even more end of text

我尝试了很多表达式，但我似乎在这里遗漏了一些东西，单独提取 div 很容易（只是 //div），但是如何将它们分组并分别加入每个 div 中的所有 text() 子节点？

【问题讨论】：

标签： xml xpath

【解决方案1】：

text()是你的朋友：

您必须分两步完成。

//div

然后：

//text()

然后以编程方式合并它们。

XPath 是一种查询语言，就像 CSS 选择器一样，不能转换事物。所有功能（如normalize-text）都用于优化您的选择器而不是修改输入本身。

见：how to get the normalize-space() xpath function to work?

【讨论】：

不。 //div/text() 将返回更多节点，因为第一个 div 至少有 1 个文本节点，第二个 div 至少有 2 个文本节点。 //div//text() 将返回更多节点。我正在寻找的表达式应该分别连接每个 div 中的所有 text() 节点。类似 //div/concat(.//text()) 的东西，但它当然不起作用。
另外我在 Java 应用程序中使用纯 XPATH，我无法使用 XSLT 进行后处理，因此我正在寻找纯 XPATH 解决方案
这里不是纯 XPath 解决方案，很抱歉。将 XPath 视为 CSS 选择器……它们只是选择器而不是转换器。

【解决方案2】：

使用 XPath 2.0（假设您的输入格式正确并添加了一些 </b>），您可以使用像 /root/div/normalize-space() 这样的路径，它为您提供两个字符串序列“一些文本一些其他文本”和“另一个文本另一个文本甚至更多文本的结尾”。

【讨论】：

我曾尝试在 Saxon 9 的测试 Java 应用程序中使用此表达式。不幸的是，设置 returnType 时出现问题。从评估（）方法。如果我将类型设置为 XpathConstants.STRING，我只会得到第一个字符串值“一些文本和其他文本”，我认为表达式应该可以工作。但是如何将返回类型标记为“字符串数组”呢？ XpathConstants.NODESET 的返回类型不起作用，因为我们正在处理字符串节点...
̀normalize-space() 是一个函数而不是一个选择器。
返回类型的问题在于您使用的是 JAXP API，它从未针对 XPath 2.0 进行过扩展，因此它不允许您请求包含字符串序列的结果。请改用 Saxon 的 s9api 接口。
greut，我知道 normalize-space 是一个函数，但问题的发布者提到了 XPath 2.0，在 XPath 2.0 中，您可以在路径表达式的最后一步中使用函数调用。我认为我的建议尽可能解决了 XPath 2.0 的问题（它返回两个字符串的序列，而不是两个字符串的数组）。

【解决方案3】：

XPath 不能构造新节点：为此您需要 XSLT 或 XQuery。因此，表达式永远不能返回源文档中不存在的元素。但是，使用 XPath 2.0，您可以轻松地返回两个字符串：除了少量的空白细节，您可以从表达式 //div/normalize-space(.) 获得所需的结果

【讨论】：