Xidel 提取数/浮点数答案

【问题标题】：Xidel extract number/floatXidel 提取数/浮点数
【发布时间】：2022-01-16 13:38:24
【问题描述】：

我想使用 Xidel 从此代码中提取数字/浮点值：

<p class="price">
    <span class="woocommerce-Price-amount amount">
        <bdi>
            304.00
            <span class="woocommerce-Price-currencySymbol">
                €
            </span>
        </bdi>
    </span>
</p>

我正在尝试以下命令：

xidel -s '<p class="price"><span class="woocommerce-Price-amount amount"><bdi>304.00 <span class="woocommerce-Price-currencySymbol">€</span></bdi></span></p>' -e "//p[@class='price']/translate(normalize-space(substring-before(., '€')),' ','')"

翻译命令应该替换空格，但它不起作用，在输出中我仍然看到数字“304.00_”后面有一个空格。

【问题讨论】：

标签： xpath xidel

【解决方案1】：

您将不得不使用以下查询之一单独处理 no-break space：

-e "//p[@class='price']/span/bdi/substring-before(text(),'&#160;')"
-e "//p[@class='price']/span/bdi/translate(text(),x:cps(160),'')"
-e "//p[@class='price']/span/bdi/replace(text(),'&#xA0;','')"

你不能使用normalize-space()，因为...

https://www.w3.org/TR/xpath-functions-31/#func-normalize-space:

[Extensible Markup Language (XML) 1.1 Recommendation] 中空白的定义没有改变。为方便起见，在此重复：
S ::= (#x20 | #x9 | #xD | #xA)+

...它处理空格、制表符、回车和换行，但不处理不间断空格：

xidel -s "<x>   test   </x>" -e "x'[{x}]'"
[   test   ]

xidel -s "<x>   test   </x>" -e "x'[{normalize-space(x)}]'"
[test]

xidel -s "<x>&nbsp;&nbsp;&nbsp;test&nbsp;&nbsp;&nbsp;</x>" -e "x'[{x}]'"
[   test   ]

xidel -s "<x>&nbsp;&nbsp;&nbsp;test&nbsp;&nbsp;&nbsp;</x>" -e "x'[{normalize-space(x)}]'"
[   test   ]

xidel -s "<x>&nbsp;&nbsp;&nbsp;test&nbsp;&nbsp;&nbsp;</x>" -e "x'[{translate(x,'&#160;','')}]'"
xidel -s "<x>&nbsp;&nbsp;&nbsp;test&nbsp;&nbsp;&nbsp;</x>" -e "x'[{replace(x,x:cps(160),'')}]'"
xidel -s "<x>&nbsp;&nbsp;&nbsp;test&nbsp;&nbsp;&nbsp;</x>" -e "x'[{replace(x,'&#xA0;','')}]'"
[test]

顺便说一句，在该网站上获取价格的替代方法：

xidel -s "https://kenzel.sk/produkt/bicykle/zivotny-styl/signora/" -e ^"^
  parse-json(^
    //body/script[@type='application/ld+json']^
  )//priceSpecification/price^
"
304.00

【讨论】：

【解决方案2】：

尝试将 xpath 表达式更改为

-e  "substring-before(//p[@class='price']//bdi/normalize-space(.),' ')"

或

 -e "substring-before(//p[@class='price']//bdi/.,' ')"

或使用tokenize()

 -e "tokenize(//p[@class='price']//bdi/.,' ')[1]"

输出应该是

'304.00'

【讨论】：

它适用于上面的示例，但由于某种原因，实际的 website（使用相同的代码）无法正常工作。很奇怪。
@Adrian Weird 确实。无论实际网站上的内容是什么，它都不是任何常规空格字符。也许更聪明的人可以解决这个问题。同时，有一种方法可以检索该数据，但它非常笨拙。如果您有兴趣，我可以编辑答案。