将 XPath 与 HTML 或 XML 片段一起使用？答案

【问题标题】：Using XPath with HTML or XML fragment?将 XPath 与 HTML 或 XML 片段一起使用？
【发布时间】：2010-09-28 23:50:42
【问题描述】：

我是 Nokogiri 和 XPath 的新手，我正在尝试访问 HTML 或 XML 片段中的所有 cmets。 XPaths .//comment() 和 //comment() 在我不使用 fragment 函数时工作，但它们找不到任何带有片段的东西。使用标签而不是注释，它适用于第一个 XPath。

通过反复试验，我意识到在这种情况下，comment() 只找到顶级 cmets，.//comment() 和其他一些只找到内部 cmets。难道我做错了什么？我错过了什么？谁能解释发生了什么？

我应该使用什么 XPath 来获取 Nokogiri 解析的 HTML 片段中的所有 cmets？

这个例子可以帮助理解问题：

str = "<!-- one --><p><!-- two --></p>"

# this works:
Nokogiri::HTML(str).xpath("//comment()")
=> [#<Nokogiri::XML::Comment:0x3f8535d71d5c " one ">, #<Nokogiri::XML::Comment:0x3f8535d71cf8 " two ">]
Nokogiri::HTML(str).xpath(".//comment()")
=> [#<Nokogiri::XML::Comment:0x3f8535cc7974 " one ">, #<Nokogiri::XML::Comment:0x3f8535cc7884 " two ">]

# with fragment, it does not work:
Nokogiri::HTML.fragment(str).xpath("//comment()")
=> []
Nokogiri::HTML.fragment(str).xpath("comment()")
=> [#<Nokogiri::XML::Comment:0x3f8535d681a8 " one ">]
Nokogiri::HTML.fragment(str).xpath(".//comment()")
=> [#<Nokogiri::XML::Comment:0x3f8535d624d8 " two ">]
Nokogiri::HTML.fragment(str).xpath("*//comment()")
=> [#<Nokogiri::XML::Comment:0x3f8535d5cb8c " two ">]
Nokogiri::HTML.fragment(str).xpath("*/comment()")
=> [#<Nokogiri::XML::Comment:0x3f8535d4e104 " two ">]

# however it does if it is a tag instead of a comment:
str = "<a desc='one'/> <p><a>two</a><a desc='three'/></p>"
Nokogiri::HTML.fragment(str).xpath(".//a")
=> [#<Nokogiri::XML::Element:0x3f8535cb44c8 name="a" attributes=[#<Nokogiri::XML::Attr:0x3f8535cb4194 name="desc" value="one">]>, #<Nokogiri::XML::Element:0x3f8535cb4220 name="a" children=[#<Nokogiri::XML::Text:0x3f8535cb3ba4 "two">]>, #<Nokogiri::XML::Element:0x3f8535cb3a3c name="a" attributes=[#<Nokogiri::XML::Attr:0x3f8535cb3960 name="desc" value="three">]>]

PS：如果没有fragment，它会做我想要的，但它也会添加一些诸如“DOCTYPE”之类的东西，我实际上只有一个正在编辑的 HTML 文件的片段（删除一些标签，替换其他标签）。

【问题讨论】：

标签： ruby xpath nokogiri

【解决方案1】：

//comment() 是/descendant-or-self::node()/child::comment() 的简写形式

将此 xpath 与片段一起使用会忽略根 cmets（它们由 /descendant-or-self::node() 选择，但它们没有子节点）。

如果您使用HTML(str)，您将创建一个文档节点作为所有其他项目的根。因此，/descendant-or-self::node()/child::comment() 不会忽略顶级 cmets，因为它们是文档节点的子节点（它本身由 /descendant-or-self::node() 选择）。

我不确定为什么descendant::comment() 在任何情况下都有效，我会说应该是descendant-or-self::comment()，但没关系。

希望有帮助吗？

【讨论】：

是的，这有帮助！谢谢！我不太明白self（上下文节点）是什么。 descendant-or-self 与 descendant 相同，但也包括上下文节点。我试过只在字符串中添加一个注释 (str = '')，即使在这种情况下，它也是一个后代，并且只有 descendant::comment() 有效。

【解决方案2】：

"descendant::comment()" 和 "descendant::sometag" 在每种情况下都可以正常工作，但我仍然不明白这些差异。

【讨论】：