有时如何使用 Xpath 从包含链接的表格单元格中提取数据？

Posted 2023-03-05

【中文标题】有时如何使用 Xpath 从包含链接的表格单元格中提取数据？

【英文标题】：Using Xpath how to extract data from table cells that contain links sometimes?

【发布时间】：2016-03-04 03:53:22

【问题描述】：

我有这个 html 表格：

<table class="info">
<tbody>
    <tr><td class="name">Year</td><td>2011</td></tr>
    <tr><td class="name">Storey</td><td>3</td></tr>
    <tr><td class="name">Title</td><td><a href="http://gov.kz/premera/">Premier</a></td></tr>
    <tr><td class="name">Condition</td><td>Renovated</td></tr>
</tbody>
</table>

在此表中，数据的组织方式是每行包含 2 个包含在 <td> 标记中的单元格。第一个单元格包含有关数据类型的信息。例如房屋建造年份。第二个单元格包含年份信息本身，即 2011。

我正在尝试从第二个单元格中提取信息（它是：2011, 3, Premier, Renovated）

我使用这个 Xpath 表达式：

//table[@class="info"]//td[2]/text()

收到的输出（错误）：

2011
3
Renovated

期望的输出：

2011
3
Premier
Renovated

如您所见，第三行中的第二个 <td> 而不仅仅是包含链接的文本，因此该行中的信息会丢失。因此，未收到所需的字符串“Premier”。 有时行中的单元格包含链接，有时它只是纯文本。有什么方法可以在这两种情况下从第二个单元格中提取数据（链接或仅给出文本）？

【参考方案1】：

只需在text() 之前添加第二个正斜杠：

//table[@class="info"]//td[2]//text()

这将从您选择的 td 的所有子节点中获取文本节点