XPath 轴，获取所有后续节点，直到

Question

我有以下 HTML 示例：

<!-- lots of html -->
<h2>Foo bar</h2>
<p>lorem</p>
<p>ipsum</p>
<p>etc</p>

<h2>Bar baz</h2>
<p>dum dum dum</p>
<p>poopfiddles</p>
<!-- lots more html ... -->

我希望提取“Foo bar”标题之后的所有段落，直到到达“Bar baz”标题（“Bar baz”标题的文本未知，所以很遗憾我无法使用答案布吉曼提供）。现在我当然可以使用//h2[text()='Foo bar']/following::p 之类的东西，但这当然会抓住这个标题后面的 all 段落。所以我可以选择遍历节点集并将段落推送到数组中，直到文本与下一个标题匹配，但老实说，这从来没有像在 XPath 中那样酷。

有没有我想念的方法来做到这一点？

Answer 1

使用：

(//h2[. = 'Foo bar'])[1]/following-sibling::p
   [1 = count(preceding-sibling::h2[1] | (//h2[. = 'Foo bar'])[1])]

如果保证每个h2 都有一个不同的值，则可以简化为：

//h2[. = 'Foo bar']/following-sibling::p
   [1 = count(preceding-sibling::h2[1] | ../h2[. = 'Foo bar'])]

这意味着：选择字符串值为'Foo bar'的h2（文档中的第一个或唯一一个）的兄弟姐妹以及前面的第一个兄弟姐妹的所有p元素所有这些p 元素的h2 正是h2(first or only one in the document) whose string value is'Foo bar'`。

这里我们使用一种判断两个节点是否相同的方法：

count($n1 | $n2) = 1

当节点 $n1 和 $n2 是同一个节点时是 true()。

这个表达式可以推广：

$x/following-sibling::p
       [1 = count(preceding-sibling::node()[name() = name($x)][1] | $x)]

选择 $x 指定的任何节点的所有“紧跟同级”。

Answer 2

在 XPath 2.0 中（我知道这对你没有帮助......）最简单的解决方案可能是

h2[. ='富 bar']/following-sibling::* 除外 h2[. ='酒吧 baz']/(.|following-sibling::*)

但与其他解决方案一样，这很可能（在没有识别模式的优化器的情况下）在第二个 h2 之后的元素数量上是线性的，而您真的希望一个解决方案的性能仅取决于选择的元素数量。我一直觉得有一个 until 运算符会很好：

h2[. = 'Foo bar']/(following-sibling::* until . = 'Bar baz')

如果没有使用递归的 XSLT 或 XQuery 解决方案，当要选择的节点数量少于后续兄弟节点的数量时，其性能可能会更好。

Answer 3

此XPATH 1.0 语句选择所有<p> 的兄弟姐妹，这些<h2> 的字符串值等于“Foo bar”，后面还跟有<h2>第一个在前的兄弟<h2> 的兄弟元素的字符串值为“Foo bar”。

//p[preceding-sibling::h2[.='Foo bar']]
 [following-sibling::h2[
  preceding-sibling::h2[1][.='Foo bar']]]

Answer 4

正因为不在答案之间，经典的 XPath 1.0 设置排除：

A - B = $A[count(.|$B)!=count($B)]

对于这种情况：

(//h2[.='Foo bar']
    /following-sibling::p)
       [count(.|../h2[.='Foo bar']
                     /following-sibling::h2[1]
                        /following-sibling::p)
        != count(../h2[.='Foo bar']
                     /following-sibling::h2[1]
                        /following-sibling::p)]

注意：这是对凯斯方法的否定。

Answer 5

XPath 2.0 具有运算符 <<（如果 $node1 位于 $node2 之前，则 $node1 << $node2 为真），因此您可以使用 //h2[. = 'Foo bar']/following-sibling::p[. << //h2[. = 'Bar baz']]。但是我不知道 nokogiri 是什么，它是否支持 XPath 2.0。

Answer 6

require 'nokogiri'

doc = Nokogiri::XML <<ENDXML
<root>
  <h2>Foo</h2>
  <p>lorem</p>
  <p>ipsum</p>
  <p>etc</p>

  <h2>Bar</h2>
  <p>dum dum dum</p>
  <p>poopfiddles</p>
</root>
ENDXML

a = doc.xpath( '//h2[text()="Foo"]/following::p[not(preceding::h2[text()="Bar"])]' )
puts a.map{ |n| n.to_s }
#=> <p>lorem</p>
#=> <p>ipsum</p>
#=> <p>etc</p>

我怀疑使用 next_sibling 遍历 DOM 直到结束可能会更有效：

node = doc.at_xpath('//h2[text()="Foo bar"]').next_sibling
stop = doc.at_xpath('//h2[text()="Bar baz"]')
a = []
while node && node!=stop
  a << node unless node.type == 3 # skip text nodes
  node = node.next_sibling
end

puts a.map{ |n| n.to_s }
#=> <p>lorem</p>
#=> <p>ipsum</p>
#=> <p>etc</p>

但是，这不会更快。在一些简单的测试中，我发现 xpath-only（第一个解决方案）的速度大约是这个循环测试的 2 倍，即使在停止节点之后有非常多的段落也是如此。当有很多节点要捕获（停止后很少）时，它的性能会更好，在 6x-10x 范围内。

Answer 7

如何匹配第二个？如果你只想要顶部，匹配第二个并抓住它上面的所有东西 .
doc.xpath("//h2[text()='Bar baz']/preceding-sibling::p").map { |m| m.text } => [“lorem”、“ipsum”、“等”]

或者，如果您不知道第二个，请通过以下方式进入另一个级别： doc.xpath("//h2[text()='Foo bar']/following-sibling::h2/preceding-sibling::p").map { |it| it.text } => [“lorem”、“ipsum”、“等”]