如何在PostgreSQL中使用XPath提取HTML的href属性值

正确实现方案 #

你之前的写法存在两个核心错误：

1. 参数顺序错误：PostgreSQL的xpath()函数第一个参数需要传入XPath表达式，第三个参数是命名空间映射专用参数，你把属性路径错放到了第三个参数的位置
2. XPath表达式错误：/href是匹配根节点下的href标签，不是属性，属性需要用@属性名的语法，且需要先定位到a标签节点

正确查询代码

SELECT 
  (xpath('/a/@href', $$<a href='https://www.website1.ca/en/Section1/Section2/Section3/Section-4---Section5-R-Zone.pdf'>B4</a>$$::xml))[1]::text AS extracted_url;

代码说明

• 第一个参数传入XPath路径/a/@href：表示匹配根节点下的a标签，提取其href属性值
• 第二个参数传入你的HTML内容，因为你的内容是纯净的合法a标签，直接转xml类型即可
• xpath()函数返回的是匹配结果的数组，当前场景只会匹配到1个结果，用[1]取数组第一个元素后转text类型，即可得到最终的链接字符串

如果是从表字段中提取，直接替换第二个参数为你的字段名即可，示例：

SELECT 
  (xpath('/a/@href', 你的字段名::xml))[1]::text AS href_link 
FROM 你的表名;

内容的提问来源于stack exchange，提问作者user16573033