如何通过XPath提取HTML标签内的文本？附示例与现有尝试

你的思路是对的——用XPath定位目标属性完全可行，但当前命令的输出会带上属性名和引号，不符合你想要的“Wednesday Feb 20”格式。下面分享几种实用的优化方案：

1. 直接用XPath的concat()函数拼接（推荐） #

如果你的XPath工具支持XPath 1.0及以上（绝大多数主流工具都支持），可以一步到位用concat()把两个属性值合并：

xpath -q -e 'concat(//day[@d="1"]/@t, " ", //day[@d="1"]/@dt)' ~/day.txt

这个命令会直接输出你想要的合并后文本，不需要额外处理。

2. 用awk过滤并拼接现有输出 #

如果不想修改XPath查询，也可以用awk处理原始输出，去掉多余的符号再合并：

xpath -q -e '//day[@d="1"]/@t| //day[@d="1"]/@dt' ~/day.txt | awk -F'"' '{print $2}' | paste -d' ' - -

分步解释： #

• awk -F'"' '{print $2}'：以双引号为分隔符，精准提取属性值部分
• paste -d' ' - -：把两行输出合并成一行，用空格分隔

3. 用sed处理输出格式 #

类似awk，用sed替换掉不需要的内容，再调整换行：

xpath -q -e '//day[@d="1"]/@t| //day[@d="1"]/@dt' ~/day.txt | sed 's/.*="\(.*\)"/\1/' | tr '\n' ' ' | sed 's/ $//'

分步解释： #

• sed 's/.*="\(.*\)"/\1/'：通过正则匹配提取双引号内的属性文本
• tr '\n' ' '：把换行符替换成空格
• sed 's/ $//'：去掉末尾多余的空格

4. 用xmllint替代xpath工具（如果系统自带） #

如果你的系统装有xmllint，也可以用它来执行XPath查询，语法同样简洁：

xmllint --xpath 'concat(//day[@d="1"]/@t, " ", //day[@d="1"]/@dt)' ~/day.txt

总结一下：你的原始XPath查询已经正确定位到了目标属性，只需要调整输出处理方式或者修改XPath表达式，就能得到想要的结果啦。

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