如何用XPath精准选取每个h2标签前后的p和li标签？

问题背景 #

给定HTML结构：

<div class="reviewText" id="game-review">
    <h2>xWays Hoarder xSplit Review</h2>
    <p>...</p>
    <h2 id="xways-hoarder-xsplit-features">xWays Hoarder xSplit Features</h2>
    <p>...</p>
    <ul><li>...</li></ul>
    <h2 id="the-200-spins-xways-hoarder-xsplit-experience">...</h2>
    <p>...</p>
</div>

需求是按每个h2分组，获取每个h2之后、下一个h2之前的所有p和li标签，原XPath仅能返回所有h2之间的p标签，无法实现分组。

解决方案 #

1. XPath 1.0 兼容写法（通用场景）

要为每个h2单独匹配对应的p和li，可以使用以下表达式：

//div[@id='game-review']/h2/following-sibling::*[self::p or self::li][generate-id(preceding-sibling::h2[1]) = generate-id(current())]

表达式说明：

• //div[@id='game-review']/h2：定位到目标容器下的所有h2标签
• following-sibling::*[self::p or self::li]：筛选h2的后续兄弟节点中，类型为p或li的节点
• generate-id(preceding-sibling::h2[1]) = generate-id(current())：确保这些p/li节点的最近前置h2就是当前遍历的h2，从而实现分组匹配

2. 针对单个h2的精准匹配

如果需要匹配某一个特定h2对应的内容（比如第一个h2），可以直接指定位置：

//div[@id='game-review']/h2[1]/following-sibling::*[self::p or self::li][count(preceding-sibling::h2) = 1]

将[1]替换为2、3即可匹配第二个、第三个h2对应的内容。

3. XPath 2.0+ 简化写法（支持现代解析器）

如果使用支持XPath 2.0及以上的工具，可以用更简洁的表达式：

//div[@id='game-review']/h2 ! following-sibling::*[self::p or self::li][. << following-sibling::h2[1]]

!是XPath 2.0的映射运算符，会为每个h2执行后面的表达式；<<用于判断节点顺序，确保当前p/li在当前h2的下一个h2之前。

内容的提问来源于stack exchange，提问作者guhbuzchc