基于标签提取HTML中非链接字段值的XPath方法咨询

针对这种字段不固定、无法靠索引定位的场景，核心思路是通过字段标签的文本内容定位元素，再提取其对应的关联值，以下是几种常见HTML结构对应的XPath写法：

1. 标签和值分属同级子元素 #

如果HTML结构是标签和值放在同一父元素下的不同子标签里，比如：

<div class="detail-row">
  <span class="label">Type activiteit:</span>
  <span class="content">Kampioenschaps clubmatches</span>
</div>

用XPath定位标签后，取它的同级后续元素文本：

//span[text()='Type activiteit:']/following-sibling::span/text()

如果标签和值的标签类型不同（比如标签是<strong>，值是<p>），把following-sibling::span改成对应的值标签类型即可。

2. 标签和值在同一标签内（文本拼接） #

如果标签文本和值在同一个标签里，比如：

<p class="info">Type activiteit: Kampioenschaps clubmatches</p>

可以用两种方式提取：

• 取标签内的第二个文本节点（过滤掉标签文本）：

//p[contains(text(),'Type activiteit:')]/text()[2]

• 用substring-after函数截取标签文本之后的内容：

substring-after(//p[contains(text(),'Type activiteit:')]/text(), 'Type activiteit: ')

3. 值是标签的同级文本节点 #

如果值没有被标签包裹，直接在标签后面的文本里，比如：

<div class="field-group">
  <strong>Postcode:</strong>
  Jan Stuversdreef 4
</div>

可以定位标签后，取它的同级文本节点，并用normalize-space()过滤空格：

normalize-space(//strong[text()='Postcode:']/following-sibling::text())

或者取父元素下的非空文本：

normalize-space(//strong[text()='Postcode:']/parent::div/text()[normalize-space() != ''])

额外注意事项 #

• 如果页面有多个重复的卡片，记得在XPath最前面加上卡片容器的限定，比如//div[@class='data-card']//span[text()='Type activiteit:']/...，避免提取到其他卡片的内容。
• 处理文本时用normalize-space()可以自动去除首尾空格和换行符，避免提取到无效空白内容。
• 如果标签文本有细微差异（比如多了空格），可以用contains(text(), 'Type activiteit')代替精确匹配，但要确保关键词足够唯一，不会匹配到其他字段。

内容的提问来源于stack exchange，提问作者user3748911