如何用XPath提取classA标签内classC之前的所有文本？

核心XPath表达式 #

//span[@class="classA"]//text()[not(ancestor::span[@class="classC"]) and count(preceding::span[@class="classC"][ancestor::span[@class="classA"]]) = 0]

表达式解释 #

• //span[@class="classA"]//text()：定位classA类span下的所有文本节点（包括子节点内的文本）
• not(ancestor::span[@class="classC"])：排除所有属于classC类span内部的文本
• count(preceding::span[@class="classC"][ancestor::span[@class="classA"]]) = 0：只保留第一个classC类span之前的文本，自动过滤掉classC之后的所有内容；如果没有classC类span，该条件始终成立，返回所有符合前两个条件的文本

测试验证 #

针对给出的所有场景，这个表达式都能得到预期结果：

• 示例1：返回 "Text 1 Text 2 Text 3"
• 含classC的变体：均返回 "Text 1"
• 无classC的示例：返回 "Text 1 Text 2 Text3"

为什么之前的表达式不行？ #

• 第一次尝试的//span[@class="classA"]//text()[parent::*[not(@class="classC")]]：只排除了classC直接子节点的文本，但没过滤classC之后的文本，所以会返回Text5这类内容
• 第二次尝试的//span[@class="classC"]//parent::*/preceding::text()：依赖classC节点的存在，一旦没有classC就返回空结果，无法覆盖所有场景

内容的提问来源于stack exchange，提问作者Rico Sonntag