XPath使用following::*获取数据重复，如何获取ul内非重复文本？

你的问题出在following::*会匹配目标节点之后的所有元素节点，包括容器节点（如<ul>）和它的所有子节点（<li>、<a>等），每个节点的文本都会被单独返回，自然会出现重复。要获取<ul>内的完整无重复文本，按以下方法处理：

方法1：直接定位目标容器节点并提取文本 #

放弃遍历所有后续节点，直接定位到你要的<ul>节点，再提取它的完整文本：

• 如果你知道目标<ul>是某个标签的同级后续节点，用following-sibling轴更精准：

  //前置标签的定位表达式/following-sibling::ul[1]/string()
  

  比如前置标签是<h3>，内容为"列表标题"：

  //h3[text()='列表标题']/following-sibling::ul[1]/string()
  

• 如果你需要去除多余的换行、空格，用normalize-space()包裹：

  normalize-space(//h3[text()='列表标题']/following-sibling::ul[1])
  

方法2：限制following轴的匹配范围 #

如果一定要用following轴，必须明确只匹配目标<ul>节点，而非所有后续元素：

//前置标签的定位表达式/following::ul[1]

然后提取该节点的文本，而不是遍历所有following::*的子节点。

原理说明 #

following::*会选中目标节点之后的所有层级的元素，包括<ul>本身、它的子<li>、<li>里的<a>等，每个节点的text()都会被单独返回，导致同一内容多次出现。而直接定位到<ul>节点后用string()，会获取该节点及其所有子节点的完整拼接文本，不会拆分重复返回。

举个HTML示例：

列表标题

• 第一项 链接文本
• 第二项

用//h3/following-sibling::ul[1]/string()会返回完整文本：第一项 链接文本第二项（保留原始格式），用normalize-space()则会整理为：第一项 链接文本 第二项。

内容的提问来源于stack exchange，提问作者Q With Only