使用带有 xmllint 的 xpath 在 html 中获取属性值

Question

给定一个 html 文档，我想使用 xmllint 和 xpath 表达式来获取一组属性（已经匹配）它们的对应值。例如，检索 a 元素中的 href 属性值（不是包括其名称的整个属性）的值，并获取链接的 url。

我尝试使用 '//a/@href' 来获取属性，但这不仅给了我值，还给了我属性名称。在其他一些帖子中，据说您必须以​​这种方式使用 string 函数 'string(//a/@href)'，但是当比较两个输出时，我得到不同数量的匹配项。例如：

xmllint --html --xpath '//a/@href' <(curl -L www.html-tidy.org) | wc
 

给出：

HTML parser error : Tag nav invalid
    <nav><ul>
        ^
     50      50    2161

所以有 50 个（错误来自xmllint 解析 html-tidy 的网络索引）。

当我使用 string 函数时：

xmllint --html --xpath 'string(//a/@href)' <(curl -L www.html-tidy.org) | wc
 

它只给出了 50 场比赛中的一场。

    <nav><ul>
        ^
      1       1      26

那么我怎样才能正确使用它（或者这是正确的使用方法）？ 谢谢

Answer 1

对于 realLife©®™HTML，最好使用 xidel：

xidel -e '//a/@href' https://www.html-tidy.org

输出

https://github.com/htacg/html-tidy.org/tree/gh-pages/plus/_posts
https://github.com/htacg/tidy-html5/issues
https://github.com/htacg/tidy-html5/pulls
[...]