使用XPath获取含混合元素的div文本时遇到问题求助

嘿，我完全懂你碰到的麻烦——你写的那些XPath表达式只抓取了目标节点直接子节点的文本，嵌套在<b>、<a>这类子标签里的内容自然就被跳过啦。而且我注意到你写的表达式里还有个小语法错误：contains('@class','something')里的引号位置不对，应该是contains(@class,'something')（属性名不用加引号包裹）。

给你几个靠谱的解决方案：

1. 获取所有后代文本节点（保留节点结构） #

如果你想获取目标<div>下所有层级的文本节点，不管它嵌套在哪个子标签里，用这个XPath：

//div[contains(@class,'something')]//text()

这里的//text()表示选取当前节点下所有后代的文本节点，而不是像/text()只选直接子节点的文本。

2. 合并所有文本为单个字符串 #

如果你的需求是把<div>里的所有文本（包括嵌套标签里的）合并成一个完整的字符串，可以用string()函数：

string(//div[contains(@class,'something')])

这个函数会自动把目标节点下的所有文本内容拼接起来，忽略标签结构，返回一个连续的字符串。

验证一下你的示例HTML #

针对你给出的HTML：

<div class="something"> 
  <p> This is a <b> Paragraph </b> with <a href="/something"> mixed </a> elements </p> 
  <p> Next paragraph.... </p>
</div>

用第一个XPath会得到所有零散的文本节点：

• This is a
• Paragraph
• with
• mixed
• elements
• Next paragraph....

用第二个XPath会得到合并后的字符串：
This is a Paragraph with mixed elements Next paragraph....

这样就能完美覆盖你之前漏掉的嵌套标签文本啦！

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