如何编写XPath精准抓取维基百科指定章节内容至下一个h2标签

• 你编写的表达式使用following::轴匹配后续p元素时未设置终止边界，该轴的特性是匹配锚点位置之后整个文档流内的所有p节点，自然会一路抓取到页面最末尾
• 现有写法既没有将抓取范围卡在「Demographics」对应的h2标签位置上，也没有排除章节内嵌套的表格内容，不符合提取要求

核心范围判断逻辑：

• 仅匹配位置在「Geography and climate」章节起始锚点之后的p元素
• 仅匹配位置在「Demographics」章节起始锚点之前的p元素
• 直接过滤被<table>标签嵌套的p元素，自动跳过表格内的所有内容

可直接运行的XPath表达式：

//span[@id='Geography_and_climate']/ancestor::h2/following::p[
  not(ancestor::table)
  and
  count(. | //span[@id='Demographics']/ancestor::h2/preceding::p) 
  = 
  count(//span[@id='Demographics']/ancestor::h2/preceding::p)
]/text()

• 抓取范围严格卡在两个h2标题的边界之间，不会抓取「Demographics」章节开始之后的任何段落
• 所有表格内的p节点都会被自动过滤，不会将表格内容混入提取结果
• 最终返回的都是两个章节范围内的纯文本内容，没有多余的标签结构

内容的提问来源于stack exchange，提问作者Haseeb