如何通过DOM XPath选择嵌套<p><p>与</p></p>标签间的内容？

问题根源 #

浏览器会自动修正HTML中的无效嵌套标签，你提供的<p><p>TEXT I WANT TO SELECT</p></p>在实际渲染的DOM里会被解析成：

<div class="col-sm-5"> 
  <h2>Title</h2> 
  <p></p>
  <p>TEXT I WANT TO SELECT</p>
  <p></p>
</div>

这就是你之前的XPath无法正确选中目标内容的核心原因。

正确选择方式 #

方法1：XPath选择器 #

• 精准匹配文本内容：

  //p[text()='TEXT I WANT TO SELECT']
  

• 模糊匹配（适用于文本有变动的场景）：

  //p[contains(text(), 'TEXT I WANT TO SELECT')]
  

• 结合父容器定位（避免全局匹配干扰）：

  //div[@class='col-sm-5']/p[text()='TEXT I WANT TO SELECT']
  

方法2：CSS选择器 #

• 直接匹配文本（部分工具支持）：

  p:has-text('TEXT I WANT TO SELECT')
  

• 结合父容器+位置定位：

  .col-sm-5 p:nth-child(3)
  

（解析后目标<p>是父容器下第三个子元素，<h2>为第一个，空<p>为第二个）

特殊场景：基于原始未修正HTML操作 #

如果是直接在未被浏览器解析的原始HTML源码中操作，可使用：

//p/p/text()

这种情况较少见，因为多数工具会遵循浏览器的DOM解析规则。

内容的提问来源于stack exchange，提问作者Bart van Hoek