XPATH技术问题：如何选择包含指定文本的最邻近<n>节点（避免选中外层父节点）

首先看你的HTML结构：

<n>
  <n>
    <s>text to match</s>
  </n>
  <n>
    <s>ignore</s>
  </n>
  <n>
    <s>text to match</s>
  </n>
  <n> text to match </n>
</n>

你之前用*[contains(string(), "text to match")]会选中最外层的<n>，是因为string(.)会把当前节点及其所有后代的文本都拼接起来，外层<n>的后代里有目标文本，所以自然会被匹配到。要只选中直接关联目标文本的<n>，可以从两个角度精准筛选：要么这个<n>自己的直接文本包含目标，要么它的直接子节点<s>包含目标，同时排除那些只是因为后代节点才符合条件的父节点。

这里给你两个实用的XPath方案：

方案一：精准匹配直接关联的 #

这个表达式会选中所有满足以下任一条件的<n>：

• 自身的直接文本（去掉多余空格后）包含目标内容
• 直接子节点是<s>且该<s>的文本包含目标内容

//n[
  contains(normalize-space(text()), "text to match") 
  or 
  ./s[contains(normalize-space(text()), "text to match")]
]

为什么这个能生效？ #

• text()：只获取当前节点的直接子文本节点，不会包含后代元素里的文本。外层<n>的直接子节点都是其他<n>，所以它的text()是空的，不会被匹配。
• ./s[...]：限定只检查当前<n>的直接子节点<s>，不会去看更深层的后代。
• normalize-space()：自动去掉文本前后的空格和中间的多余空格，能匹配像第四个<n>里带空格的text to match。

用这个表达式会精准选中你要的三个<n>节点：第一个内层<n>、第三个内层<n>、第四个内层<n>，外层的<n>会被排除。

方案二：排除包含符合条件子节点的父 #

如果你更倾向于用string(.)来检查整体文本，但要排除那些有符合条件子节点的父节点，可以用这个表达式：

//n[
  contains(normalize-space(string(.)), "text to match") 
  and 
  not(./n[contains(normalize-space(string(.)), "text to match")])
]

逻辑说明： #

• 第一部分contains(...)确保当前<n>的整体文本（包括后代）包含目标内容；
• 第二部分not(./n[...])确保当前<n>的直接子节点里没有符合条件的<n>，这样就把外层的<n>排除了（因为它有三个符合条件的子<n>）。

这两种方案都能满足你的需求，你可以根据自己的场景选择更顺手的~

内容的提问来源于stack exchange，提问作者Marcel