为什么 XPath contains(text(),'substring') 无法按预期工作？

Question

假设我有一段这样的 HTML：

<a>Ask Question<other/>more text</a>

我可以匹配这段XPath：

//a[text() = 'Ask Question']

或者...

//a[text() = 'more text']

或者我可以使用点来匹配整个内容：

//a[. = 'Ask Questionmore text']

这篇文章.描述了(dot) 和 之间的区别text()，但简而言之，第一个返回单个元素，而后者返回一个元素列表。但这对我来说有点奇怪。因为 whiletext()可以用来匹配列表中的任意一个元素，但对于 XPath 函数来说，情况并非如此contains()。如果我这样做：

//a[contains(text(), 'Ask Question')]

...我收到以下错误：

错误： contains() 的第一个参数所需的基数为一或零

为什么它text()在使用完整匹配（等于）时有效，但在部分匹配（包含）时不起作用？

Answer 1

对于这个标记，

<a>Ask Question<other/>more text</a>

请注意，该a元素有一个文本节点子节点 ( "Ask Question")、一个空元素子节点 ( other) 和第二个文本节点子节点 ( "more text")。

以下是如何推理根据//a[contains(text(),'Ask Question')]该标记进行评估时发生的情况：

1. contains(x,y)期望x是一个字符串，但text()匹配两个文本节点。
2. 在XPath 1.0中，将多个节点转换为字符串的规则是这样的：

通过返回节点集中文档顺序中第一个节点的字符串值，将节点集转换为字符串。如果节点集为空，则返回空字符串。[强调已添加]

3. 在XPath 2.0+中，向需要字符串的函数提供一系列文本节点是错误的，因此contains(text(),'substr')会导致多个匹配文本节点出现错误。

就你而言...

• XPath 1.0 将contains(text(),'Ask Question')视为

  contains('Ask Question','Ask Question')
  

  这是true. 另一方面，请务必注意XPath 1.0 中的contains(text(),'more text')计算结果为false。如果不知道上面的 (1)-(3)，这可能是违反直觉的。

• XPath 2.0 会将其视为错误。

更好的选择

• 如果目标是查找a字符串值包含子字符串的所有元素
  "Ask Question"：

  //a[contains(.,'Ask Question')]
  

  这是最常见的要求。

• 如果目标是查找a直接文本节点子节点等于 的所有元素"Ask Question"：

  //a[text()='Ask Question']
  

  当希望从后代元素中排除字符串时，这非常有用，例如a如果您想要 this a，

  <a>Ask Question<other/>more text</a>
  

  但不是这个a：

  <a>more text before <not>Ask Question</not> more text after</a>
  

也可以看看

• 如何contains()处理节点集第一个参数
• 如何对特定文本使用 XPath contains()？
• 在 XPath 中测试 text() 节点与字符串值

Answer 2

原因是该contains函数不接受节点集作为输入 - 它只接受字符串。（嗯，它可能与引擎相关，因为它适用于Python'slxml模块。根据规范，它应该将集合中第一个节点的值转换为字符串并对其进行操作。另请参阅XPath contains(text() ,'some string') 与具有多个文本子节点的节点一起使用时不起作用）

//a[text() = 'Ask Question']匹配包含a等于 的文本节点的任何元素Ask Question。

//a[text() = 'more text']匹配包含a等于 的文本节点的任何元素more text。

所以这两个表达式都匹配相同的a元素。

您可以重新处理查询，//a[text()[contains(., 'Ask Question')]]以便该contains方法一次仅作用于一个文本节点。