如何通过XPath选取指定h1下span元素文本的前3个单词？

先明确目标HTML结构：

<h1 id="title" class="a-size"><span>Web page title - web page title</span></h1>

根据你使用的XPath版本，有两种实现方式：

XPath 2.0+（推荐，支持多数现代工具） #

直接用字符串拆分和筛选函数，写法简洁：

string-join(tokenize(.//h1[@id='title']/span/text(), '\s+')[position() <= 3], ' ')

逻辑说明：

• tokenize(文本, '\s+')：把文本按任意数量的空白符拆分成单词列表
• [position() <= 3]：筛选出列表里的前3个单词
• string-join(列表, ' ')：把这3个单词用空格拼接成完整字符串

XPath 1.0（兼容旧工具/环境） #

XPath 1.0没有数组和拆分函数，只能靠字符串截取拼接：

concat(
  substring-before(.//h1[@id='title']/span/text(), ' '),
  ' ',
  substring-before(substring-after(.//h1[@id='title']/span/text(), ' '), ' '),
  ' ',
  substring-before(substring-after(substring-after(.//h1[@id='title']/span/text(), ' '), ' '), ' ')
)

逻辑说明：

• 分步截取第一个、第二个、第三个空格前后的内容，最后用concat把三个单词拼接起来

如果文本里还有其他分隔符（比如例子里的-），可以把XPath 2.0里的正则改成'[\s-]+'，就能同时按空格和连字符拆分单词。

内容的提问来源于stack exchange，提问作者Linux