如何获取含文本的<p>标签子串，过滤无文本/仅含图片的段落？

嘿，这个问题我之前也碰到过——用字符串截取HTML确实容易踩坑，尤其是要过滤空段落或者只有图片的段落的时候。咱们换个思路，别纠结字符串截取，直接用XSLT的节点选择能力来处理，会靠谱得多！

核心思路 #

你的核心需求是找到第一个包含非空白文本的<p>标签，而不是单纯截取第一个<p>。要实现这个，得先把存储的HTML字符串转换成可操作的节点集，再用XPath筛选符合条件的节点，而不是靠字符串截取。

具体实现方案 #

如果你用的是XSLT 3.0

XSLT 3.0内置了xsl:parse可以直接解析HTML字符串为节点集，代码可以这么写：

<!-- 第一步：把HTML字符串解析成节点集 -->
<xsl:variable name="parsed-html">
  <xsl:parse select="$copy" />
</xsl:variable>

<!-- 第二步：筛选第一个包含有效文本的<p>标签 -->
<xsl:variable name="first-valid-paragraph" select="$parsed-html//p[normalize-space() != ''][1]" />

<!-- 第三步：输出内容和链接 -->
<xsl:if test="$first-valid-paragraph">
  <xsl:copy-of select="$first-valid-paragraph/node()" disable-output-escaping="yes" />
  <a href="{$currentPage/url}" title="{$currentPage/title}: {@nodeName}"> Continue reading... </a>
</xsl:if>

如果你用的是XSLT 1.0

XSLT 1.0没有内置的HTML解析，需要借助EXSLT的node-set()函数来把字符串转成节点集：

<!-- 第一步：把转义的HTML字符串还原并转为节点集 -->
<xsl:variable name="html-content">
  <xsl:value-of select="$copy" disable-output-escaping="yes" />
</xsl:variable>
<xsl:variable name="html-node-set" select="exslt:node-set($html-content)" />

<!-- 第二步：筛选第一个包含有效文本的<p>标签 -->
<xsl:variable name="first-valid-paragraph" select="$html-node-set//p[normalize-space() != ''][1]" />

<!-- 第三步：输出内容和链接 -->
<xsl:if test="$first-valid-paragraph">
  <xsl:copy-of select="$first-valid-paragraph/node()" disable-output-escaping="yes" />
  <a href="{$currentPage/url}" title="{$currentPage/title}: {@nodeName}"> Continue reading... </a>
</xsl:if>

关键解释 #

• normalize-space() != ''：这个XPath条件会检查<p>标签的所有后代文本内容，去掉首尾空白后是否为空。如果<p>里只有<img />，它的字符串值是空的，就会被过滤掉；如果包含文本（哪怕同时有其他元素），就会被选中。
• 为什么不用字符串截取？因为HTML结构可能有变化（比如<p>带属性、嵌套其他元素），字符串截取很容易出错，而节点选择是基于DOM结构的，更稳定可靠。

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