如果在 xpath (lxml) 中找不到节点/标记，如何返回字符串或匹配空答案

【问题标题】：how to either return string or match empty if node/tag not found in xpath (lxml)如果在 xpath (lxml) 中找不到节点/标记，如何返回字符串或匹配空
【发布时间】：2012-02-27 17:14:12
【问题描述】：

我有以下 XPath 来匹配亚马逊页面中的作者姓名：

//div[@class='pTitle']/span[@class='small itemByline'] | //div[@class='pTitle']/span[not(text())]

此 XPath 的第一部分与它匹配得很好，但是页面中的某些项目在具有类 pTitle 的此类 div 之后没有跨度，因此没有可匹配的内容，但我想得到一个 '' 或其他东西，要知道作者没有真正找到，而只是跳过它。我想第二个 XPath 无效，因为它不起作用...

例如，以“A Ditadura”开头的 3 个标题应该为使用我正在构建的 XPath 的作者条目返回 ''。他们不是。它使上述 XPath 返回 179 个项目而不是 209 个。

目标是http://www.amazon.com/wishlist/3MCYFXCFDH4FA/ref=cm_wl_act_print_o?_encoding=UTF8&layout=standard-print&disableNav=1&visitor-view=1&items-per-page=1000

这是我的 Python 模块 https://github.com/caio1982/Amazon-Wishlist 的代码的一部分（顺便感谢到目前为止所有好的答案，感谢你们，我学会了 XPath）。

为了提供信息，我正在尝试使用 Firefox 的 XPath Checker 扩展，并使用 Python (lxml) 实现它。

听起来类似于How do I return '' for an empty node's text() in XPath?，但我不确定。

我怀疑答案可能是围绕 XPath 轴和某种 [notcontains] 限制？

EDIT1：在 Dimitre 的建议之后稍微改写一下......是否可以使用 –– 如果可以，您是否有一个工作示例 –– Becker 的使用 lxml 的 XPath 方法？ p>

EDIT2：示例树和预期结果：

    <html>
        <body>
            <h1>Title</h1>
            <p>First Paragraph</p>
            <p>Second paragraph: <span>value</span></p>
            <p>Third paragraph: <span>value</span></p>
            <p>Forth paragraph:</p>
        </body>
    </html>

XPath //p/span 相应地返回第二和第三段“值”字符串。没关系，但我正在寻找 4 个结果而不是 2 个，如下所示：

    None
    value
    value
    None

我知道 //p/span 对此不起作用，因此我正在寻找一些字符串魔术、节点比较或条件等。

【问题讨论】：

标签： python xpath amazon lxml

【解决方案1】：

您可以使用这样的 XPath 表达式：

concat(
//div[@class='pTitle']/span[@class='small itemByline'],
substring('UNKNOWN', 
          1 + 7*(boolean(//div[@class='pTitle']/span[@class='small itemByline'])
          )
       )

当计算此 XPath 表达式时，如果 //div[@class='pTitle']/span[@class='small itemByline'] 存在，则生成其字符串值（与空字符串连接）。

当//div[@class='pTitle']/span[@class='small itemByline']不存在时，则结果为字符串'UNKNOWN'——空字符串与substring('UNKNOWN', 1+0连接。

这里我们使用了这样一个事实，即在 XPath 1.0 中，每当布尔值是算术运算符的参数时，它首先被转换为数字，使用以下规则：

   number(true()) = 1

和

   number(false()) = 0

更新：这是一个基于 XSLT 的验证，使用 OP 的 EDIT 2 中的 XML 文档并准确生成想要的结果（相同的 XPath 表达式（仅更新索引）是评估了 4 次，所有生成的值都被输出——每个值都在单独的行上）：

<xsl:stylesheet version="1.0"
 xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
 <xsl:output omit-xml-declaration="yes" indent="yes"/>

 <xsl:template match="/">
  <xsl:for-each select="(//node())[not(position() > count(//p))]">
   <xsl:variable name="vPos" select="position()"/>
   <xsl:value-of select=
     "concat((//p)[position() = $vPos]/span,
             substring('UNKNOWN',
                       1 +7*boolean((//p)[position() = $vPos]/span)
                       )
             )
     "/>

     <xsl:text>&#xA;</xsl:text>
  </xsl:for-each>
 </xsl:template>
</xsl:stylesheet>

当此转换应用于最新提供的 XML 文档时：

<html>
    <body>
        <h1>Title</h1>
        <p>First Paragraph</p>
        <p>Second paragraph: 
            <span>value</span>
        </p>
        <p>Third paragraph: 
            <span>value</span>
        </p>
        <p>Forth paragraph:</p>
    </body>
</html>

XPath 表达式被计算 N (4) 次，并产生了这个计算的结果——正如我们所见，这些正是想要的结果：

UNKNOWN
value
value
UNKNOWN

【讨论】：

非常感谢 Dimitre，但我想我在这里遗漏了一些东西。您的解释是有道理的，但是我在 Firefox 中的 XPath Checker 以及 Python 的 lxml 中都遇到了语法错误。子字符串是正确的还是 1+7* 的东西好吗？我不太明白语法，只是想法:-(
@caio1982：我不知道 lxml。通常有两种计算 XPath 表达式的函数。一种是选择节点——比如SelectNodes() 或SelectSingleNode()。如果 XPath 表达式作为参数传递，这些函数将引发错误，该参数不选择节点。我认为这就是你的情况。另一方面，有一些函数可以计算any XPath 表达式——不仅是选择节点的表达式——例如Evaluate()。你需要在lxml中找到这样一个函数并使用它。
显然这个解决方案要么返回 X 要么 Y，而不是两者（即如果一个节点为空而下一个节点不是，则返回两者但具有不同的值，一个真实的和一个“异常”字符串） .或者我一定做错了......
@caio1982：我不明白你在上一条评论中的意思。请您改写一下好吗？
对不起。据我了解并到目前为止可以对其进行测试，看来这种方法将仅返回 X 或 Y 作为结果。相反，我正在寻找一种获得这两个结果的方法：如果 XPath 匹配，则返回其字符串或节点或其他任何内容，但如果不匹配，则还返回某些内容（任意字符串，例如，'blah'）。因此 XPath 将始终返回两个值，而不仅仅是其中一个（显然，就像上面的解决方案一样）。