求提取非http/https开头的href/src属性URL的XPath表达式

问题分析 #

你原来的表达式存在几个关键问题：

• 使用and逻辑，要求元素同时存在src和href属性且都不满足开头条件，但实际多数元素只有其中一个属性（比如你的示例<script>仅含src），因此匹配不到目标内容。
• 仅排除了https:开头的情况，未覆盖http://的场景。
• 选择的是元素节点，而非你需要的属性值。

正确的XPath表达式 #

直接提取符合条件的src或href属性值，有两种简洁写法：

写法1：分属性匹配后合并

//@src[not(starts-with(., 'http://')) and not(starts-with(., 'https://'))] | //@href[not(starts-with(., 'http://')) and not(starts-with(., 'https://'))]

写法2：先选元素再过滤属性

//*[@src or @href]/@*[name()='src' or name()='href'][not(starts-with(., 'http://')) and not(starts-with(., 'https://'))]

效果验证 #

针对你的示例节点：

<script async="" src="//d.impactradius-event.com/A2421746-f56c-44ad-9e09-bcf28112e9951.js"></script>

以上表达式会成功提取到属性值：//d.impactradius-event.com/A2421746-f56c-44ad-9e09-bcf28112e9951.js

补充说明 #

如果需要更严格的“相对URL”定义（比如仅匹配以/、./、../开头或无前置斜杠的路径，排除//开头的协议相对URL），可以调整条件为：

//@src[starts-with(., '/') or starts-with(., './') or starts-with(., '../') or not(starts-with(., '/'))] | //@href[starts-with(., '/') or starts-with(., './') or starts-with(., '../') or not(starts-with(., '/'))]

不过根据你的示例需求，第一种表达式已经完全满足要求。

内容的提问来源于stack exchange，提问作者natan specialist