无法理解 XPath 同级行为答案

【问题标题】：Unable to understand XPath siblings behaviour无法理解 XPath 同级行为
【发布时间】：2019-12-23 13:53:33
【问题描述】：

我正在尝试在只有连续标签的情况下抓取 HTML 页面。

我想从以下代码中获取标签的文本（例如 Name1、Name2、...），并考虑到：

"a" 后跟 "span" 提供有关该 ID 是否为客户的信息。

“a”后跟“a”表示ID是匿名的。

<span class="list">
    <em>List 1:</em>
</span>
<a href="/ID/423006">Name1</a>, 
<a href="/ID/115325">Name2</a>
<span class="small">(Customer)</span>, 
<a href="/ID/248819">Name3</a>
<span class="small">(Non Customer)</span>, 
<a href="/ID/658259">Name4</a>
<span class="small">(Customer)</span>, 
<a href="/ID/294083">Name5</a>
<a href="/ID/218292">Name6</a>
<span class="small">(Non Customer)</span>

我正在使用以下 XPATH 来尝试匹配“a”后跟“span”

//a[包含(@href,'ID/') 和 ./following-sibling::span[1][text() = '(Customer)']]/text()

这将返回 Name1、Name2 和 Name4，即使 Name1 不是客户。我做错了什么？

【问题讨论】：

标签： xpath scrapy

【解决方案1】：

这是因为 Name1 的第一个后续兄弟跨度确实等于“（客户）”。

你应该做的是找到第一个后续兄弟 (*[1]) 并检查该兄弟是否是 span ([self::span])，如果是，然后检查它是否等于 " （客户）”...

//a[contains(@href,'ID/') and ./following-sibling::*[1][self::span][text() = '(Customer)']]/text()

【讨论】：