XPath如何选择包含特殊字符的元素 排除指定元素失效怎么解决

问题根源 #

你的XPath筛选失效的核心原因是：HTML/XML解析器会自动将🥇这类字符实体解码为对应的Unicode emoji（🥇/🥈/🥉），你在XPath中传入实体编码字符串，和DOM节点内实际存储的文本内容不匹配，因此筛选规则不生效。

解决方法 #

根据你的运行场景选择对应方案即可：

场景1：基于已解析的DOM节点做筛选（绝大多数常规场景，比如浏览器控制台、Python lxml、Java Jsoup等） #

直接匹配解码后的emoji字符即可，要排除3个奖牌td的写法如下：

td[not(contains(., '🥇') or contains(., '🥈') or contains(., '🥉'))]

如果仅需要排除银牌对应的td，删掉另外两个or判断即可。
如果你的开发环境不方便直接输入emoji字符，也可以用XPath内置的codepoints-to-string函数按Unicode编码匹配：

td[not(
    contains(., codepoints-to-string(0x1F947)) 
    or contains(., codepoints-to-string(0x1F948)) 
    or contains(., codepoints-to-string(0x1F949))
)]

场景2：直接对未解析的原始HTML源码做匹配（少数爬虫/文本处理场景） #

你原写法的问题是多做了一次&的转义，你写的🥈对应匹配的是源码中双重转义的内容，和实际源码里的🥈不匹配，修改为如下写法即可：

td[not(contains(., '🥇') or contains(., '🥈') or contains(., '🥉'))]

内容的提问来源于stack exchange，提问作者JamesO