改进XPath查询以正确区分文本节点

Question

我过去常常使用XPath。目前我遇到了一个问题，我无法解决这个问题。

约束

• 纯XPath 1.0
• 没有辅助功能（例如没有“concat（）”）

HTML的标记

<span class="container">
    Peter: Lorem Impsum
    <i class="divider" role="img" aria-label="|"></i>
    Paul Smith: Foo Bar BAZ
    <i class="divider" role="img" aria-label="|"></i>
    Mary: One Two Three
</span>

挑战

我想提取三个连贯的字符串：

• 彼得，LOREM Impsum
• 保罗史密斯：Foo Bar BAZ
• 玛丽：一二三

XPath的

以下XPath查询是我在研究HOURS后得出的最好的：

XPath查询1

//span[contains(@class, "container")]

=> Peter: Lorem ImpsumPaul Smith: Foo Bar BAZMary: One Two Three

XPath查询2

//span[contains(@class, "container")]//text()

Peter: Lorem Impsum Paul Smith: Foo Bar BAZ Mary: One Two Three

问题

虽然之后可以使用（PHP）字符串函数对结果字符串进行后处理，但我无法将其拆分为正确的三个块：我需要一个XPath查询，这使我能够正确区分文本节点。

是否有可能在文本节点之间集成一些“人工分离器”？

Answer 1

你对XPath 1.0的期望太高了。 XPath 1.0本身可以帮助您在这里选择

1. 一个字符串，或
2. 一组文本节点

然后，您将必须在XPath之外完成处理（正如Mads在评论中所建议的那样）。

为了理解你遇到的限制，你的第一个XPath，

//span[contains(@class, "container")]

选择span元素的节点集。 XPath 1.0正在运行的环境向您显示文档中单个此类节点的字符串值（某些变体）：

Peter: Lorem ImpsumPaul Smith: Foo Bar BAZMary: One Two Three

但请注意：您的XPath正在选择span元素的节点集，而不是字符串。

你的第二个XPath，

//span[contains(@class, "container")]//text()

选择text()节点的节点集。 XPath 1.0运行的环境显示每个选定的text()节点的字符串值。

如果你可以使用XPath 2.0，你可以直接在XPath中选择一个字符串序列，

//span[contains(@class, "container")]/text()/string()

或者你可以加入他们，

string-join(//span[contains(@class, "container")]/text(), "|")

并直接得到

Peter: Lorem Impsum
|
Paul Smith: Foo Bar BAZ
|
Mary: One Two Three

要么

string-join(//span[contains(@class, "container")]/text()/normalize-space(), "|")

要得到

Peter: Lorem Impsum|Paul Smith: Foo Bar BAZ|Mary: One Two Three