使用XPath提取网页元素时如何排除带href属性元素及其所有子元素

你可以通过新增祖先节点校验的XPath表达式实现需求，正确写法如下：

//body//*[not(@href) and not(ancestor::*[@href])]

两个过滤条件的作用分别为：

• not(@href)：保留原有逻辑，排除自身带有href属性的元素
• not(ancestor::*[@href])：新增校验逻辑，排除所有父级、祖父级等上层节点中存在带href属性的元素，即可实现过滤链接所有子元素的效果

如果你的场景中仅需要排除<a>标签类型的链接，不需要过滤其他带href属性的元素，可以使用更精准的表达式：

//body//*[not(self::a) and not(ancestor::a)]

内容的提问来源于stack exchange，提问作者Arkaik