如何用XPath匹配前后元素均满足条件的XML元素

原始XML文档 #

<root>
  <tok lemma="per" xpos="SPS00">per</tok>
  <tok lemma="els" xpos="L3CP0">los</tok>
  <tok lemma="qual" xpos="PR0CP000">quals</tok>
  <tok lemma="ser" xpos="VSIP3P0">són</tok>
  <tok lemma="digne" xpos="AQ0CP00">dignes</tok>
  <tok lemma="de" xpos="SPC00">de</tok>
  <tok lemma="gloriós" xpos="AQ0FS00">gloriosa</tok>
  <tok lemma="memòria" xpos="NCFS000">memòria</tok>
  <tok xpos="CC" lemma="i">e</tok>
  <tok lemma="li" xpos="L3CSD" >li</tok>
  <tok lemma="plàcia" xpos="VMSP3S0">plàcia</tok>
  <tok lemma="molt" xpos="RG">molt</tok>
  <tok lemma="per" xpos="SPS00">per</tok>
</root>

尝试的XPath表达式 #

//tok[starts-with(@xpos, "L")]/preceding-sibling::tok[1][not(starts-with(@xpos, "V"))]/following-sibling::tok[1][not(starts-with(@xpos, "V"))]

预期与实际结果 #

• 预期结果：仅匹配<tok lemma="els" xpos="L3CP0">los</tok>（即前后相邻元素的xpos都不以V开头、自身xpos以L开头的tok）
• 实际结果：匹配到两个元素：

  <tok lemma="els" xpos="L3CP0">los</tok>
  <tok lemma="li" xpos="L3CSD">li</tok>
  

原XPath错误原因 #

原表达式的筛选逻辑链条完全偏离了需求：它先找xpos以L开头的节点，取其前一个符合条件的兄弟节点，再从这个前兄弟节点取后一个符合条件的节点。这里的后节点判断是基于前兄弟的视角，完全没检查原L开头节点的后兄弟属性。

比如对<tok lemma="li" xpos="L3CSD">li</tok>来说，它的前兄弟xpos不以V开头，从该前兄弟取后一个节点就是li本身，此时判断的是li自己的xpos而非它的后兄弟，所以错误被选中。

修正后的XPath #

直接对目标节点同时校验前后相邻兄弟的属性，表达式如下：

//tok[
  starts-with(@xpos, "L") 
  and not(starts-with(preceding-sibling::tok[1]/@xpos, "V")) 
  and not(starts-with(following-sibling::tok[1]/@xpos, "V"))
]

逻辑说明 #

这个表达式对每个tok做三重校验：

1. 当前节点xpos以L开头；
2. 前一个相邻兄弟节点的xpos不以V开头；
3. 后一个相邻兄弟节点的xpos不以V开头。

执行后只会匹配到<tok lemma="els" xpos="L3CP0">los</tok>，完全符合预期。

内容的提问来源于stack exchange，提问作者jfontana