使用 XPath 解析不一致的 HTML答案

【问题标题】：Parsing inconsistent HTML with XPath使用 XPath 解析不一致的 HTML
【发布时间】：2015-05-28 00:04:49
【问题描述】：

我正在尝试从 HTML 不一致的网页中收集信息，例如：

<ul><li>Item #1</li></ul><ul><li>sub Item #1</li></ul>

没关系，我使用 XPath 表达式

//div[@id="content"]/ul/li/text()

它完成了这项工作（除了不从子项目 #1 收集信息。，

HTML 也有所不同，这是另一种方式：

 <dl><dd><ul><li>Item #1</li></ul></dd></dl><dl><dd><ul><li>sub Item #1</li></ul></dd></dl>

嗯，我正在尝试收集项目 #1 和子项目 #1。但是由于这种不一致的 HTML，我无法找到一个 XPath 表达式来让我在任何情况下都可以收集信息，你能帮我解决这个问题吗？

总会有一个列表，项目#1 和子项目#1 总是在<ul><li> 内

【问题讨论】：

您是如何获得 HTML 的？你能给我们一个源链接吗？
是的@LegoStormtroopr 我正在尝试这两个页面：es.wikiquote.org/wiki/Los_Simpson 和 es.wikiquote.org/wiki/Friends

【解决方案1】：

您可以尝试使用 descendant 轴 (//) 来选择 ul/li/text()，无论它在一致的祖先/父项中嵌套多深。例如，假设ul/li 的祖先/父级始终是div，而id 等于"content"：

//div[@id="content"]//ul/li/text()

【讨论】：