如何编写XPATH从指定HTML中抓取「Location:」后的目标文本

原有写法的核心缺陷 #

之前的XPath仅完成了目标p元素的整体定位，没有深入到被<br>标签分隔的独立文本节点层级，也没有针对「Location:」固定前缀做文本截断，因此只能返回整个p元素的全部内容，无法隔离出需要的目标位置文本。

可直接复用的正确写法 #

适配XPath 1.0（兼容Scrapy、lxml等绝大多数常用解析工具） #

substring-after(//h3[contains(., 'Description')]/following-sibling::p[1]/text()[contains(., 'Location:')], 'Location: ')

适配XPath 2.0+（兼容Saxon等新版解析引擎） #

//h3[contains(., 'Description')]/following-sibling::p[1]/tokenize(., '<br>')[contains(., 'Location:')] => substring-after(., 'Location: ')

规则匹配说明 #

• 定位逻辑优先基于「Description」标题的相邻关系锁定目标p元素，不依赖固定class属性，页面结构轻微变动时容错性更强
• 利用HTML中<br>标签的节点分隔特性，直接定位到独立存放「Location:」文本的节点，提取范围自动截止到下一个<br>标签位置，完全满足“识别到「Location:」后抓取紧随其后的一段文本即停止”的提取要求
• 通过substring-after函数自动去除「Location:」固定前缀，针对给定示例HTML，最终提取结果为Australia.

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