xmllint执行合法XPath3查询返回‘XPath set is empty’问题排查

现有h3.html文件内容如下：

$ cat h3.html 
<body>
<h3 class="heading"><span class="content">First Title</span></h3>
<h3 class="no-num no-ref heading settled"><span class="level">45.6</span></h3>
<h3 class="no-num no-ref heading settled" id="informative"><span class="content">Informative References</span><a class="self-link"   href="#informative"></a></h3>
<h3 class="heading"><span class="content">More Stuff</span></h3>
</body>
$

使用xmllint执行XPath查询//h3//span[@class="content"]/text()时，无论是否使用--shell、--html参数，均返回“XPath set is empty”：

$ xmllint --shell --xpath "//h3//span[@class="content"]/text()" h3.html 
XPath set is empty
/ > ^C
$ xmllint --xpath "//h3//span[@class="content"]/text()" h3.html 
XPath set is empty
$ xmllint --html --xpath "//h3//span[@class="content"]/text()" h3.html 
XPath set is empty
$ 

所用xmllint为Ubuntu 22.04上的libxml2 20913版本，编译包含XPath特性。但用hq工具执行相同查询可得到预期结果：

$ cat h3.html | hq '//h3//span[@class="content"]/text()'
First Title
Informative References
More Stuff
$

原因 #

问题出在shell的引号解析上：你用双引号包裹整个XPath表达式，而表达式内部的@class="content"又用了双引号，shell会把内层双引号当成表达式的结束标记，导致实际传给xmllint的XPath被截断为//h3//span[@class=content]/text()——这里的content没有被引号包裹，xmllint会把它当作节点名称而非字符串，自然匹配不到任何结果。

解决办法 #

有两种可行的修正方式：

• 用单引号包裹整个XPath表达式，这样内层的双引号不会被shell解析：

  xmllint --html --xpath '//h3//span[@class="content"]/text()' h3.html
  

• 转义内层的双引号，在双引号前加反斜杠\，告诉shell这是字符串的一部分：

  xmllint --html --xpath "//h3//span[@class=\"content\"]/text()" h3.html
  

执行上述修正后的命令，就能得到预期的结果：

First Title
Informative References
More Stuff

内容的提问来源于stack exchange，提问作者user3313834