如何获取同一rowspan覆盖所有行下目标元素的XPath

测试样例代码 #

<table>
    <tbody>
        <tr>
            <td id="mainfield:1" rowspan="3">A1</td>
            <td ><span class="searching_for_this"> AA1</span></td>
            <td ><span class="not_searching_for_this">AA2</span></td>
        </tr>
        <tr>
            <td ><span class="searching_for_this"> AA3 </span></td>
            <td ><span class="not_searching_for_this">AA3 </span></td>
        </tr>        
        <tr>
            <td ><span class="searching_for_this"> AA1 </span></td>
            <td ><span class="not_searching_for_this">AA4</span></td>
        </tr>

        <tr>
            <td id="main_field:2" rowspan="3">B1</td>
            <td ><span class="searching_for_this"> BB1</span></td>
            <td ><span class="not_searching_for_this">BB2</span></td>
        </tr>
        <tr>
            <td ><span class="searching_for_this"> AA1 </span></td>
            <td ><span class="not_searching_for_this">BB3 </span></td>
        </tr>        
        <tr>
            <td ><span class="searching_for_this"> BB2 </span></td>
            <td ><span class="not_searching_for_this">BB3</span></td>
        </tr>
    </tbody>
</table>

已知前提 #

• 跨行合并单元格（rowspan=3）所在行的文本内容为A1
• 待查找目标元素类名为searching_for_this，目标匹配文本为AA1
• 需求：获取A1所在rowspan覆盖范围内，包含目标AA1元素的所有tr行节点，预期返回示例表格中的第一行和第三行

前期尝试失效原因 #

无跨行合并的单行场景下，直接定位主行后做相对路径搜索的方案无法覆盖合并对应的后续行；后续调整的前置同胞节点匹配XPath未返回结果，核心问题有两个：

• id属性匹配规则错误：第一行合并单元格的id为mainfield:1，不存在main_field的下划线拼接，属性匹配条件不成立
• 匹配范围遗漏首行：逻辑仅判断前置同胞节点，没有把包含A1文本的合并起始行本身纳入匹配范围

可用XPath实现 #

//tr[
  (. | preceding-sibling::tr[td[contains(@id, 'main') and @rowspan]][1])
  [last()]/td[contains(text(), 'A1')]
][.//span[@class='searching_for_this' and contains(normalize-space(text()), 'AA1')]]

逻辑拆解 #

• 范围筛选：对遍历到的每一个tr节点，将节点自身和它前面最近的、携带rowspan属性、id包含main的tr节点组成集合，取集合最后一个节点（如果当前tr是合并起始行，集合只有自身，取到的就是当前行；如果是合并覆盖的后续行，取到的就是最近的合并起始行），判断该节点文本是否包含A1，即可圈定A1对应rowspan覆盖的全部3行，自动排除B1分组的无关行
• 内容匹配：在圈定的A1分组行范围内，筛选内部存在类名为searching_for_this、文本经normalize-space()去除前后空格后包含AA1的span元素的行，即可得到预期结果

补充：使用normalize-space()是为了兼容示例中AA1这类前后带多余空格的文本场景，避免空格导致匹配失败

内容的提问来源于stack exchange，提问作者nck