XPath提取目标文本返回空值，如何获取指定日期文本？

问题 #

尝试从以下HTML代码中提取文本Aug 7, 2019 at 9:34 am ET：

<span class="meta"><span class="authordata">
<a href="https://example.com" title="Posts by me" rel="author">Author</a></span> | Aug 7, 2019 at 9:34 am ET
</span>

使用XPath表达式//span[@class="meta"]/text()及//span[@class="meta"]/text[0]、//span[@class="meta"]/text[1]等变体均返回空值，求正确的XPath表达式。

解决方案 #

核心原因 #

之前尝试失败主要有两个关键点：

• XPath的节点索引是从1开始，而非0，所以text[0]属于无效语法；
• //span[@class="meta"]/text()会返回该节点下所有直接子文本节点，其中第一个是span.authordata标签后的换行空白节点，部分工具可能默认只返回第一个节点，导致你误以为结果为空。

几种可行的XPath表达式 #

1. 直接定位目标文本节点
   目标文本是span.meta的第2个直接子文本节点（第一个为空白节点），使用以下表达式：

//span[@class="meta"]/text()[2]

若需要去除文本前后的空白，可嵌套normalize-space()：

normalize-space(//span[@class="meta"]/text()[2])

2. 通过兄弟节点精准定位
   目标文本是span.authordata的后续兄弟文本节点，直接定位更精准：

//span[@class="authordata"]/following-sibling::text()[1]

3. 提取整段文本后截取日期
   如果需要直接获取干净的日期文本，可先提取span.meta的所有文本并去除多余空格，再通过|分割截取：

substring-after(normalize-space(//span[@class="meta"]), '|')

内容的提问来源于stack exchange，提问作者Evgeniy