如何用XPath获取动态页面列表项中带文本的最后后代超链接？

问题场景 #

页面为动态生成，包含大量class为listitem的列表项，每个列表项内的超链接数量不固定（1-2个），链接的嵌套层级每次刷新都会变化。核心需求是提取每个列表项中包含可见文本的目标链接（示例中对应user2、user3、user4、user6的链接），排除无文本的空链接。

示例HTML代码：

<div class="listitem">
    <div>
         <a href="https://www.testpage/user1">
    </div>
    <div>
         <a href="https://www.testpage/user2">
              <span>
                    <div>user2</div>
              </span>
         </a>
    </div>
</div>

<div class="listitem">
    <div>
         <a href="https://www.testpage/user3">
             <div>user3</div>
         </a>
    </div>
</div>

<div class="listitem">
    <div>
         <div>
              <a href="https://www.testpage/user4">
                   <span>
                         <span>user4</span>
                   </span>
              </a>
         </div>
    </div>
</div>

<div class="listitem">
    <div>
         <div>
              <div>
                   <a href="https://www.testpage/user5" />
              </div> 
         </div>
         <div>
              <a href="https://www.testpage/user6">
                   <div>
                         <div>user6</div>
                   </div>
              </a>
         </div>
    </div>
</div>

之前尝试的div/a[last()]会返回全部6个链接，(div/a)[last()]仅返回最后一个链接，都不符合需求。

解决方案 #

方案1：提取每个列表项中带文本的最后一个链接

直接针对“每个列表项至少有一个带文本链接”的规则，精准筛选：

//div[@class='listitem']//a[normalize-space(text()|.//text())][last()]

• //div[@class='listitem']：定位到每个列表项容器
• //a：遍历容器内所有嵌套层级的a标签
• [normalize-space(text()|.//text())]：筛选出包含非空文本的a标签（不管文本在多少层后代元素里）
• [last()]：在每个列表项的符合条件的a标签中，取最后一个（对应示例中每个listitem的目标链接）

方案2：匹配href末尾与文本内容一致的链接

如果链接的href末尾（如userX）和自身文本完全对应，可用这个更精准的匹配：

//div[@class='listitem']//a[normalize-space(substring-after(@href, 'https://www.testpage/')) = normalize-space(text()|.//text())]

• substring-after(@href, 'https://www.testpage/')：截取href中域名后的部分（比如user2）
• normalize-space(...)：去除文本两端的空格、换行，避免格式差异导致匹配失败
• 对比截取的href部分和a标签的所有文本内容，匹配成功的就是目标链接

内容的提问来源于stack exchange，提问作者Manny_user3297459