如何使用XPath提取XML指定内容？解决标签内数据丢失问题

这个问题我碰到过好多次啦，核心原因是你用的/c_text/text()只会抓取<c_text>节点直接子级的文本节点，而<b>1</b>是<c_text>的子元素，它内部的文本属于<b>节点的子文本，自然就被漏掉了。接下来给你几个可行的解决方案：

1. 先搞懂问题根源 #

你的XML结构是：

<c_text> <b> 1 </b> ".Some text" </c_text>

• /c_text/text() 只会选中<c_text>下直接的文本节点，也就是 ".Some text"（包含前面的空格和引号）
• <b> 1 </b> 是<c_text>的子元素，它的文本是<b>节点的子节点，不在/c_text/text()的选取范围内

2. 具体解决方案 #

方案A：XPath 2.0+ 简洁写法 #

如果你的XPath处理器支持2.0及以上版本（比如Saxon、XSLT 2.0），可以用字符串处理函数直接拼接调整：

concat(
  normalize-space(/c_text/b),
  '. ',
  substring(normalize-space(/c_text/text()), 2)
)

拆解一下逻辑：

• normalize-space(/c_text/b)：提取<b>里的文本并去掉前后空格，得到"1"
• normalize-space(/c_text/text())：提取<c_text>直接子级的文本，去掉空格后得到".Some text"
• substring(..., 2)：截取从第2位开始的内容，去掉开头的点，得到"Some text"
• 最后用concat拼接成你要的"1. Some text"

也可以用replace函数一步到位调整格式：

replace(normalize-space(string(/c_text)), ' "(\w+)', '. $1')

string(/c_text)会自动把<c_text>下所有文本拼接成" 1 ".Some text "，normalize-space后变成'1 ".Some text'，再通过replace替换格式得到目标结果。

方案B：兼容XPath 1.0的写法 #

如果只能用XPath 1.0（比如旧版XSLT、部分工具），没有高阶字符串函数，就分步骤提取再拼接：

concat(
  normalize-space(/c_text/b),
  '. ',
  translate(normalize-space(/c_text/text()), '.', '')
)

这里用translate去掉文本开头的点，同样能得到"1. Some text"的结果。

方案C：宿主语言辅助处理 #

还有个更灵活的思路：先用string(/c_text)获取<c_text>节点的完整字符串值（它会自动拼接所有后代文本，得到" 1 ".Some text "），然后在你使用的编程语言（比如Python、Java）里做字符串格式化——去掉多余空格、引号，调整点的位置，这样处理复杂格式会更顺手。

内容的提问来源于stack exchange，提问作者Aneesh K