为何Xidel提取XML格式img元素后二次查询返回空输出？

问题场景 #

执行以下命令能正常输出目标<img>元素的XML：

xidel 'https://en.wikipedia.org/wiki/List_of_trigonometric_identities' -e '/html/body/div[3]/div/div[3]/main/div[3]/div[3]/div[2]/table[1]/tbody/tr[2]/td/span/a/img' --output-format=xml

输出结果：

<?xml version="1.0" encoding="UTF-8"?>
<img src="//upload.wikimedia.org/wikipedia/commons/thumb/4/48/Trig_Functions.svg/250px-Trig_Functions.svg.png" decoding="async" width="250" height="250" class="mw-file-element" srcset="//upload.wikimedia.org/wikipedia/commons/thumb/4/48/Trig_Functions.svg/500px-Trig_Functions.svg.png 2x" data-file-width="419" data-file-height="419"/>

但使用管道传递给第二个Xidel命令时，结果为空：

xidel 'https://en.wikipedia.org/wiki/List_of_trigonometric_identities' -e '/html/body/div[3]/div/div[3]/main/div[3]/div[3]/div[2]/table[1]/tbody/tr[2]/td/span/a/img' --output-format=xml | xidel -e '*[@src]'

原因解析 #

1. XPath表达式逻辑错误 #

第二个Xidel中的*[@src]表达式，含义是匹配当前上下文节点的所有子元素中带有src属性的节点。但第一个命令输出的XML根节点就是<img>元素，它是自闭合标签，没有任何子元素，因此无法匹配到内容。

2. 输入解析模式不匹配 #

Xidel默认以HTML模式解析输入内容，而第一个命令输出的是带XML声明的标准XML。HTML解析器会自动为裸元素包裹<html><body>结构，此时XML会被解析成：

<html>
  <body>
    <img src="..." .../>
  </body>
</html>

这时*[@src]会从根节点<html>开始查找子元素，<html>的子元素是<body>，没有src属性，自然返回空。

解决方法 #

需要同时修正XPath表达式，并指定第二个Xidel以XML模式解析输入：

# 直接提取img的src属性
xidel 'https://en.wikipedia.org/wiki/List_of_trigonometric_identities' -e '/html/body/div[3]/div/div[3]/main/div[3]/div[3]/div[2]/table[1]/tbody/tr[2]/td/span/a/img' --output-format=xml | xidel --input-format=xml -e '/img/@src'

或者用更通用的表达式匹配所有src属性：

xidel 'https://en.wikipedia.org/wiki/List_of_trigonometric_identities' -e '/html/body/div[3]/div/div[3]/main/div[3]/div[3]/div[2]/table[1]/tbody/tr[2]/td/span/a/img' --output-format=xml | xidel --input-format=xml -e './/@src'

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