如何用XPath提取div节点内的指定数字123456789而非全部内容？

针对你的HTML结构和需求，以下是几种可行的解决方案，可根据你使用的工具/编程语言环境选择：

方案1：XPath 2.0+直接提取过滤 #

如果你的环境支持XPath 2.0及以上版本，可以利用字符串函数直接匹配并提取数字：

//div[@class='TestClass']/text()[contains(., '123456789')]/replace(., '[^0-9]', '')

这个表达式的逻辑：

• 定位到TestClass类div下包含目标数字的文本节点
• 通过replace函数移除所有非数字字符，仅保留纯数字部分

方案2：XPath 1.0定位+代码处理（兼容多数旧环境） #

如果你的环境仅支持XPath 1.0（如部分爬虫工具、旧版解析库），可以先定位目标文本节点，再用编程语言的字符串处理功能提取数字：

第一步：用XPath定位目标文本节点 #

//div[@class='TestClass']/text()[contains(., '123456789')]

执行后会得到文本内容："123456789, "

第二步：代码层提取数字 #

示例（Python）：

import re
target_text = '"123456789, "'
number = re.search(r'\d+', target_text).group()
# 输出结果：123456789

示例（JavaScript）：

const targetText = `"123456789, "`;
const number = targetText.match(/\d+/)[0];
// 输出结果：123456789

方案3：XPath 1.0字符串截取（依赖固定格式） #

若不想用代码处理，也可以通过XPath 1.0的字符串截取函数实现，但该方法依赖文本格式固定：

substring-before(substring-after(//div[@class='TestClass'], '"'), ', "')

逻辑说明：

1. substring-after获取第一个双引号后的内容：123456789, ", Lastname, ...
2. substring-before截取到, "之前的部分，得到目标数字123456789

注意：如果文本中的引号、逗号位置发生变化，该方法会失效，稳定性不如正则方案

内容的提问来源于stack exchange，提问作者C.O.D.E