如何使用XPath选择元素的混合内容（文本+元素）且不含父标签？

示例XML #

<fig>
 <title>An H<sub>2</sub>O molecule</title>
 <image href="h2oMolecule.jpg"/>
</fig>

需求 #

在<fig>的上下文下，提取<title>标签内的全部内容（包含普通文本和<sub>子标记），但不包含<title>本身，最终要得到：

An H<sub>2</sub>O molecule

已尝试的无效表达式 #

• child::title/*：仅返回<sub>2</sub>，漏掉了前后的文本节点
• child::title/text()：仅得到An H和O molecule，漏掉了<sub>元素
• child::title/node()：虽能选中所有子节点（文本+元素），但多数工具不会自动将节点序列化为完整字符串，仅显示元素节点

可行解决方案 #

1. XPath 2.0+ 直接实现 #

使用XPath 2.0及以上版本的serialize()函数，直接将选中的所有子节点序列化为XML字符串：

serialize(child::title/node())

该函数会把<title>下的文本节点和<sub>元素完整拼接成你需要的内容。

2. XPath 1.0 结合宿主语言处理 #

XPath 1.0没有内置序列化功能，需要借助宿主语言（如XSLT、Python等）来处理选中的节点集合：

• XSLT方式：
  编写模板匹配<title>的子节点并输出：

  <xsl:template match="fig/title">
    <xsl:copy-of select="node()"/>
  </xsl:template>
  

• Python lxml方式：
  选中节点后，逐个序列化再拼接：

  from lxml import etree
  
  xml_content = """<fig>
   <title>An H<sub>2</sub>O molecule</title>
   <image href="h2oMolecule.jpg"/>
  </fig>"""
  root = etree.fromstring(xml_content)
  target_nodes = root.xpath("title/node()")
  result = ''.join([etree.tostring(node, encoding='unicode') for node in target_nodes])
  print(result)
  

内容的提问来源于stack exchange，提问作者T. Carano