如何指定 xpath 以从有条件的父母和孩子那里获取数据？答案

【问题标题】：How to specify xpath to get data from parent and child with condition?如何指定 xpath 以从有条件的父母和孩子那里获取数据？
【发布时间】：2015-04-28 08:37:45
【问题描述】：

我想提取图片的链接，但前提是该图片的名称中不包含“thumb”一词。

<a title="" rev="http://insales.ru/images/ large.jpeg"  href="http://insales.ru/images/T001.jpeg" class="TestClass">
    <img src="http://insales.ru/images/thumb.jpeg" class="productimage">
</a>

所以如果只有图片名称没有“thumb”关键字，我想从<img>标签中提取“http://insales.ru/images/thumb.jpeg”行。

我正在尝试这样做：

//a[@class='TestClass']//img[not(contains(@src, 'thumb'))]

不工作。因为我现在正在丢失来自<a> 的数据。

有时我会直接从<a> 标签中提取链接。从 rev 或 href。但有时来自<img> 的<a> 的孩子。

如何指定允许从父级或其子级提取链接的 xpath。但是孩子是有条件的。

详情：

我正在解析来自在线商店的数据。具体来说，我正在尝试获取产品的图像。我提供的代码代表产品的一张图片。我只需要大版本的图片。不是小缩略图。问题是有时链接到<a> 标签的 rev 属性中显示的大图。有时它会出现在<img> 标签的 src 属性中。

案例1（我需要在<a>标签和rev属性中提供链接

    <li class='product-item'>
      <a title="" rev="http://insales.ru/images/ large.jpeg"    href="http://insales.ru/images/T001.jpeg" class="MagicThumb-swap">
          <img src="http://insales.ru/images/thumb_T001" class="productimage" title=" Tissot">
      </a>
    </li>

在这种情况下，我需要提取 http://insales.ru/images/large.jpeg 行。我不需要在<img> 标签中的http://insales.ru/images/thumb_T001。

案例2（我需要在<img>标签和src属性中提供链接）

<div class='item'>
      <a title="" id="Zoomer" class="MagicZoomPlus jqzoom modal" href="http:// insales.ru/images/thumbi14.jpg" >
         <img src="http://insales.ru/images/large_i14.jpg" title="Orient” class="productimage">
      </a>
</div>

在第二种情况下，我需要提取 http://insales.ru/images/large_i14.jpg 行。而且我不需要 <a> 标签中的 http://insales.ru/images/thumbi14.jpg。

我知道如何在这两种情况下提取链接。但我不知道如何制作通用 xpath 以允许在两种情况下获取大图片的链接。那就是为什么我要根据链接中的图片名称来创建条件。如果链接中有“拇指”关键字，我会尝试将其过滤掉。

【问题讨论】：

您想从a 元素中获得哪一段HTML？请展示一个更大的 HTML 示例，并包含所有可能的场景：应该直接从 a 元素中选择某些东西的情况，应该选择 img 元素的 source 属性的情况，一种情况不应该选择img/@source，并且应该选择a中没有任何内容的情况（如果有这种情况）。并显示您希望从更大样本中获得的准确输出。
我对我正在尝试做的事情做了更具体的描述。在我的问题中详细说明之后。

标签： html xpath

【解决方案1】：

如果我现在理解正确的话，正确的路径表达式是

//a/@rev[not(contains(.,'thumb'))] | //img/@src[not(contains(.,'thumb'))]

其中| 是组合节点集的union operator。

假设输入文档像

<html>
<li class='product-item'>
    <a title="" rev="http://insales.ru/images/ large.jpeg"    href="http://insales.ru/images/T001.jpeg" class="MagicThumb-swap">
          <img src="http://insales.ru/images/thumb_T001" class="productimage" title=" Tissot"/>
    </a>
</li>
<div class='item'>
      <a title="" id="Zoomer" class="MagicZoomPlus jqzoom modal" href="http:// insales.ru/images/thumbi14.jpg" >
         <img src="http://insales.ru/images/large_i14.jpg" title="Orient" class="productimage"/>
      </a>
</div>
</html>

结果将是（由-----------分隔的各个结果）：

rev="http://insales.ru/images/ large.jpeg"
-----------------------
src="http://insales.ru/images/large_i14.jpg"

如果您需要包含a 的class 属性：

//a[@class='TestClass']/@rev[not(contains(.,'thumb'))] | //a[@class='TestClass']/img/@src[not(contains(.,'thumb'))]

但是，您没有在“详细”描述中提到这一点。

【讨论】：