如何在XPath 1.0中实现从元素集合排除指定XPath匹配元素？

核心需求 #

已知XPath通过|运算符合并节点集（取并集），例如//div | //span可获取所有div和span元素。现需在XPath 1.0环境下实现集合差集：获取第一个XPath匹配的所有元素中，不属于第二个XPath匹配集合的元素（无法使用XPath 2.0的except运算符）。

关键原理 #

XPath 1.0没有直接的节点集比较运算符，但可以通过count()函数判断节点是否属于目标集合：

• 对于当前节点.和排除集合$exclude-set，如果count(. | $exclude-set)的结果等于count($exclude-set)，说明当前节点已经在排除集合中（合并后集合大小不变）。
• 用not()取反，即可得到不在排除集合中的节点，也就是我们需要的差集结果。

另外也可以用generate-id()函数（每个节点的唯一ID）判断当前节点的ID是否存在于排除集合的ID中，但该方法在排除集合元素较多时需要逐个比较，不如count()方法通用。

示例解法 #

示例1：从//tr/td中排除内容为<td>1</td>和<td>4</td>的元素 #

首先将需要排除的元素合并为一个节点集：//td[text()='1'] | //td[text()='4']，然后套用差集公式：

//tr/td[not(count(. | //td[text()='1'] | //td[text()='4']) = count(//td[text()='1'] | //td[text()='4']))]

如果是针对内容直接过滤，也可以简化为：

//tr/td[not(text()='1' or text()='4')]

示例2：从//div中排除三个特定XPath匹配的元素 #

先将三个排除用的XPath通过|合并为一个排除集合，再套用公式：

//div[not(count(. | //span[@class="sp"]/p/div[1] | //html/body/div/span/div | //p[@id="para"]/div/p/div) = count(//span[@class="sp"]/p/div[1] | //html/body/div/span/div | //p[@id="para"]/div/p/div))]

该表达式会从所有div元素中，剔除三个指定XPath匹配的3个元素，最终得到642个目标元素。

常见误区说明 #

直接使用not(//td[text()='1'])无法达到预期效果，因为not()在这里判断的是整个节点集是否为空，而不是判断当前节点是否属于该集合，必须通过节点集合并后的计数对比，才能实现精准的节点归属判断。

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