XPath中contains(text())与或运算符(|)结合使用失效问题咨询

我来帮你搞定这个问题——你遇到的失效情况其实是对XPath里|运算符的用法理解有偏差导致的，咱们一步步拆解：

首先先复现你遇到的场景（基于rvest的测试代码）：

library(rvest)
html <- "<a>a</a><p>abc</p>"
xp <- "//*[self::a|self::b]" # 或运算符可正常工作
xp2 <- "//*[contains(text(),'abc')]" # 文本匹配函数可正常工作
# 但二者结合使用时失效
xp3 <- "//*[self::a|contains(text(),'abc')]"
html_nodes(x = read_html(html), xpath = xp)
html_nodes(x = read_html(html), xpath = xp2)
# 此语句执行失败
html_nodes(x = read_html(html), xpath = xp3)

为什么xp3会失效？ #

XPath里的|是节点集的并集运算符，它要求运算符两边必须都是节点集，而contains(text(), 'abc')返回的是一个布尔值（true/false），不是节点集，所以self::a | contains(...)这种写法违反了XPath的语法规则，自然会执行失败。

两种正确的写法 #

方法1：用or连接布尔筛选条件

如果是想在同一个节点范围内，筛选满足「是<a>标签」或「文本包含'abc'」的节点，直接用or连接两个布尔条件即可：

xp_fixed1 <- "//*[self::a or contains(text(), 'abc')]"
result1 <- html_nodes(read_html(html), xpath = xp_fixed1)
# 输出会匹配到<a>a</a>和<p>abc</p>两个节点

方法2：用|连接两个完整的节点路径

如果是想取「所有<a>标签」和「所有文本包含'abc'的节点」的并集，就把两个完整的节点选择表达式用|连接（两边都是节点集）：

xp_fixed2 <- "//a | //*[contains(text(), 'abc')]"
result2 <- html_nodes(read_html(html), xpath = xp_fixed2)
# 同样能得到正确的匹配结果

两种方法都能达到你想要的效果，你可以根据实际需求选择合适的写法～

内容的提问来源于stack exchange，提问作者Tlatwork