求助：如何用XPath提取指定字符串后的文本？附HTML及现有XPath

这里有几个实用的XPath方案可以帮你提取“Cashback & codes promo”之后的文本，根据不同的XPath版本支持情况来选择：

方法1：使用substring-after()函数（最直接推荐） #

如果你的XPath引擎支持XPath 1.0及以上（大部分工具、框架都支持），可以直接用字符串处理函数substring-after()来精准提取目标内容：

substring-after(/html/body/div[5]/div[5]/div[5]/div[2]/div[2]/div[1]/h1/text(), 'Cashback & codes promo ')

细节说明： #

• substring-after(原始字符串, 分隔前缀)：这个函数会返回原始字符串中，第一个出现指定前缀之后的所有内容。
• 注意前缀要和HTML里的实体对应——因为原HTML里写的是&，所以XPath里要匹配Cashback & codes promo （末尾的空格也要保留，和原文本完全一致）。

方法2：适配实体转义的版本 #

有些场景下，XPath会自动把HTML实体转成实际字符（比如&变成&），这时候可以用实际的&来写前缀：

substring-after(/html/body/div[5]/div[5]/div[5]/div[2]/div[2]/div[1]/h1/text(), 'Cashback & codes promo ')

不确定实体是否被转义的话，两种写法都可以试试，看哪种能返回正确结果。

方法3：固定长度切片（备用方案） #

如果你能确认前缀的字符长度是固定的，也可以用substring()函数从指定位置开始截取：

substring(/html/body/div[5]/div[5]/div[5]/div[2]/div[2]/div[1]/h1/text(), 26)

细节说明： #

• Cashback & codes promo （包含末尾空格）一共是25个字符，所以从第26位开始截取就能拿到后面的Direct Energie。不过这个方法不够灵活，一旦前缀内容有变化就会失效，所以优先推荐前两种方法。

另外，建议你优化一下XPath定位逻辑，用类名代替层级定位，这样页面结构调整时更稳定：

substring-after(//h1[@class='title title--sec color-black col-xs-12 merchant__title hide-tablet nopadding bold-text']/text(), 'Cashback & codes promo ')

内容的提问来源于stack exchange，提问作者Pierre-Clément Cazon