R语言XPath文本抓取：按后代a标签href属性筛选p节点文本内容

解决方案 #

你可以直接使用以下XPath表达式完成筛选：

支持XPath 2.0+的环境（可直接返回拼接好的文本列表）

//div[@class='intervention']/p[.//a/@href='value1']/normalize-space(.)

执行后会直接返回你需要的["xxxtext1", "xxxtext3", "xxxtext5", "xxxtext6"]格式的结果。

仅支持XPath 1.0的环境

先使用以下表达式定位到所有符合条件的p节点：

//div[@class='intervention']/p[.//a[@href='value1']]

拿到节点列表后，在代码层依次提取每个p节点的全部文本内容，去除多余的换行、空白字符即可得到目标结果。

逻辑说明 #

• 筛选条件[.//a/@href='value1']会匹配所有后代节点中存在href属性为value1的a标签的p节点，正好对应你的筛选要求
• normalize-space(.)会自动将当前p节点下的所有文本（包括后代a标签内的文本）拼接后去除首尾空白、合并中间的多余空白/换行，正好匹配你需要的文本拼接效果

内容的提问来源于stack exchange，提问作者Etienne Brossard