如何在XPath 1.0中忽略软连字符以定位Selenium元素？

问题场景 #

我在Java版Selenium中尝试定位以下按钮元素：

<bdi id="__label1-__xmlview1--Table-Popup-bdi">My But&shy;ton</bdi>

但通过innerHTML、innerText获取到的内容都是My Button，outerHTML里也看不到软连字符，显示为：

<bdi id="__label1-__xmlview1--Table-Popup-bdi">My Button</bdi>

试过多种XPath定位表达式均失效，比如：

//bdi[translate(., '­', '') = 'My Button']
//bdi[translate(., '\u00AD', '') = 'My Button']
//bdi[contains(@id, 'Table') and contains(@id, 'Popup') and contains(translate(text(), '\u00AD', ''), 'My Button')]
//bdi[contains(@id, 'Table') and contains(@id, 'Popup') and contains(translate(., '\u00AD', ''), 'My Button')]
//bdi[contains(@id, 'Table') and contains(@id, 'Popup') and translate(text(), '\u00AD', '')='My Button']
//bdi[contains(@id, 'Table') and contains(@id, 'Popup') and translate(., '\u00AD', '')='My Button']
//bdi[translate(., '-', '') = 'My Button']

不含软连字符的同名按钮能正常定位，说明问题核心出在软连字符上。由于使用XPath 1.0，无法使用replace()；starts-with、ends-with或contains需要硬编码拆分文本，通用性极差。目前只能操作DOM，无法联系开发，需要通用解决方案及问题原因。

问题原因 #

1. 软连字符­（对应Unicode编码U+00AD）属于零宽不可见字符，浏览器渲染时会自动忽略它的显示，但DOM的原始文本节点中实际保留了该字符。
2. Selenium通过XPath查询时，匹配的是DOM原始节点的文本内容；而innerHTML/innerText会被浏览器预处理，自动移除软连字符，导致你看到的文本与实际DOM存储的内容不一致，XPath的translate无法正确匹配目标字符。
3. 部分场景下，软连字符可能以HTML实体­或转义后的形式存在，XPath 1.0的translate无法同时处理多种形式的软连字符，进一步导致定位失败。

通用解决方案 #

方案1：使用JavaScript遍历DOM处理（推荐） #

利用Selenium的JavascriptExecutor执行JS代码，直接操作DOM文本节点，手动移除所有软连字符后再匹配目标文本，不受XPath 1.0限制：

String targetText = "My Button";
WebElement targetBtn = (WebElement) ((JavascriptExecutor) driver).executeScript(
    "return Array.from(document.querySelectorAll('bdi[id*=\"Table\"][id*=\"Popup\"]')).find(el => {" +
        "const cleanedText = el.textContent.replace(/\\u00AD/g, '').trim();" +
        "return cleanedText === arguments[0];" +
    "});", targetText
);

优势：

• 用JS的replace全局移除所有Unicode软连字符，不管DOM中存储的是实体还是编码形式
• 通过属性选择器bdi[id*="Table"][id*="Popup"]缩小查找范围，提升效率
• 无需硬编码拆分文本，通用性强，适配任何含软连字符的文本定位

方案2：XPath 1.0兼容方案（备选） #

如果必须使用XPath，可以尝试将软连字符的两种可能形式（Unicode\u00AD和HTML实体­）都加入translate的替换列表，同时用normalize-space处理空格：

//bdi[contains(@id, 'Table') and contains(@id, 'Popup') and normalize-space(translate(., '\u00AD­', ''))='My Button']

注意：该方案兼容性依赖浏览器对软连字符的解析方式，部分场景下可能仍失效，优先推荐方案1。

内容的提问来源于stack exchange，提问作者fatcatpl