HTML 的 XPath，只需要那些带有特定单词的元素

Posted 2023-02-21

【中文标题】HTML 的 XPath，只需要那些带有特定单词的元素

【英文标题】：XPath for HTML, only those elements with certain words needed

【发布时间】：2021-04-24 10:07:21

【问题描述】：

我有这个 html 文档， 我想在无头 Chrome 中使用 XPath 来模拟点击所有 PDF 链接。 为此，我应该找到所有包含以下内容的“href”：文档，budget-2020-21 OR budget-2020-2021 也以 .pdf 结尾

这是一个 HTML 标记示例：

<a href="https://www.website.com/documents/7-2045/budget-address-budget-2020-21-en.pdf"
<a href="https://www.website.com/documents/7-2045/crown-corporation-business-plans-budget-2020-21-en.pdf"
<a href="https://www.website.com/documents/7-2045/estimates-supplementary-detail-budget-2020-21-en.pdf" 
<a href="https://www.website.com/documents/7-2045/budget-2020-21-government-business-plan.pdf" 
<a href="https://www.website.com/documents/7-2045/highlights-budget-2020-21-en.pdf"
<a href="https://www.website.com/documents/7-2045/presentation-slides-budget-2020-21-en.pdf" 
<a href="https://www.website.com/sites/default/files/documents/6-2046/ftb-bfi-041-en-budget-2020-2021.pdf">

我使用了这个 XPath 表达式：

//*[contains(@href,’budget-2020-21 OR budget-2020-2021’)]

似乎 OR 没有正确使用。请帮忙。

【参考方案1】：

您的 XPath 正在选择属性值包含子字符串 'budget-2020-21 OR budget-2020-2021' 的所有元素。

如果您希望所有元素的属性值都包含子字符串，'budget-2020-21' 或 'budget-2020-2021'

//*[contains(@href,'budget-2020-21') or contains(@href,'budget-2020-2021')]

还请注意，您必须使用单引号 ' 或双引号 " 字符来分隔字符串文字，而不是重音 ’，就像您在问题中的 XPath 中所使用的那样。

另见

XPath testing that string ends with substring?

【讨论】：

抱歉，您的 Xpath 表达式似乎没有突出显示那些 pdf 链接： //*[contains(@href,'budget-2020-21') 或 contains(@href,'budget-2020 -2021')]

它肯定会选择那些a 元素，一旦你将它们修复为格式良好。 （向右滚动查看您发布的a 元素缺少> 和</a>。）然后，您应该能够添加[ ] 过滤器以要求以".pdf" 结尾，使用方法-到我提供的链接。

如果解决了您的问题，请accept这个答案。如果没有，请具体跟进，以便解决任何未解决的问题。谢谢。

@kjhughes 你的答案看起来是正确的，所以这就是我在一月份支持它的原因。我决定开始接受你对我的回答的最后评论的立场。

@Lifeiscomplex：感谢您的支持，但我很困惑：tursunWali 是您的另一个帐户吗？ （如果没有，我想知道你为什么要在这里回复。）如果它解决了问题，我正在指导 tursunWali 接受这个答案，或者在后续评论中解释如果未解决问题将如何仍然存在。