如何用XPath实现按divider分组提取相邻<p>元素集合？

核心思路 #

无需硬编码节点位置，通过每个

元素的前置关联关系或分隔节点的区间范围动态分组，适配任意数量的节点。

方案1：XPath 2.0+（原生支持分组） #

如果你的XPath引擎支持2.0及以上版本（如Saxon、XQuery处理器），可直接利用循环和节点位置运算符实现：

let $root := //root,
    $dividers := ($root/divider, $root/node()[last()])
order by $dividers/position()
for $i in 1 to count($dividers)
return 
  if ($i = 1) then
    $root/p[not(preceding-sibling::divider)]
  else
    $root/p[preceding-sibling::divider[1] = $dividers[$i-1] and . << $dividers[$i]]

逻辑说明 #

1. 收集所有节点和文档末尾节点作为分隔边界
2. 遍历每个边界区间，提取对应范围内的

   元素

3. 单独处理第一个区间（无前置的

   ）

方案2：XPath 1.0 + 宿主语言（以Python为例） #

XPath 1.0不支持原生循环和分组，需结合宿主语言逻辑实现，以下是基于Python lxml库的示例：

步骤分解 #

1. 获取所有分隔节点

//divider

2. 分区间提取

• 提取第一个之前的

  ：

//p[not(preceding-sibling::divider)]

• 提取两个之间的

  （需传入当前和下一个作为参数）：

following-sibling::p[preceding-sibling::divider[1] = $current_div and following-sibling::divider[1] = $next_div]

• 提取最后一个之后的

  ：

following-sibling::p[preceding-sibling::divider[1] = $last_div]

完整代码示例 #

from lxml import etree

# 示例XML结构
xml_content = """
<root>
  <p>第一组段落1</p>
  <p>第一组段落2</p>
  <divider/>
  <p>第二组段落1</p>
  <divider/>
  <p>第三组段落1</p>
  <p>第三组段落2</p>
</root>
"""

tree = etree.fromstring(xml_content)
dividers = tree.xpath("//divider")
result_groups = []

# 处理第一组（无前置分隔符的段落）
first_group = tree.xpath("//p[not(preceding-sibling::divider)]")
if first_group:
    result_groups.append([elem.text.strip() for elem in first_group])

# 处理分隔符之间的段落组
for idx, curr_div in enumerate(dividers):
    next_div = dividers[idx+1] if idx+1 < len(dividers) else None
    if next_div:
        group = curr_div.xpath(
            "following-sibling::p[preceding-sibling::divider[1] = $curr and following-sibling::divider[1] = $next]",
            curr=curr_div, next=next_div
        )
    else:
        # 处理最后一个分隔符后的段落
        group = curr_div.xpath(
            "following-sibling::p[preceding-sibling::divider[1] = $curr]",
            curr=curr_div
        )
    if group:
        result_groups.append([elem.text.strip() for elem in group])

print(result_groups)
# 输出: [['第一组段落1', '第一组段落2'], ['第二组段落1'], ['第三组段落1', '第三组段落2']]

关键细节 #

• 用preceding-sibling::divider[1]定位每个

  的最近前置分隔符，完全避免硬编码位置

• XPath 2.0+方案更简洁，适合无需宿主语言介入的场景
• XPath 1.0方案兼容性更强，适配大多数旧版XML解析库

内容的提问来源于stack exchange，提问作者James Baker