如何用XPath获取文本仅含数字的DOM节点？

问题背景 #

现有如下DOM结构：

<a>abc</a>
<a>def</a>
<a>13456</a>
<a>gh564</a>

需要直接通过XPath获取仅包含数字的<a>元素，无需先遍历所有<a>再检查文本。

解决方案 #

完全可行，根据你使用的XPath版本，有两种实现方式：

• XPath 1.0（多数旧版工具/框架默认支持）
  由于XPath 1.0没有原生正则函数，可通过translate()函数实现：

  //a[translate(text(), '0123456789', '') = '']
  

  原理：把文本中的所有数字字符替换为空字符串，如果替换后结果为空，说明原文本只包含数字。

  如果要处理文本前后有空格的情况（比如<a> 789 </a>），可以先用normalize-space()去除首尾空格：

  //a[translate(normalize-space(text()), '0123456789', '') = '']
  

• XPath 2.0及以上（新版工具/语言如Python的lxml支持）
  可以直接使用正则匹配函数matches()，写法更直观：

  //a[matches(text(), '^\d+$')]
  

  正则^\d+$表示：从文本开头到结尾，全部由一个或多个数字组成。

  同样处理空格的话：

  //a[matches(normalize-space(text()), '^\d+$')]
  

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