XPath：通过“纯文本”查找HTML元素

一尘不染

XPath：通过“纯文本”查找HTML元素

selenium

我想使用Selenium Python绑定来查找网页上具有给定文本的元素。例如，假设我有以下HTML：

<html>
    <head>...</head>
    <body>
        <someElement>This can be found</someElement>
        <someOtherElement>This can <em>not</em> be found</someOtherElement>
    </body>
</html>

我需要按文本搜索，并且能够<someElement>使用以下XPath 查找：

//*[contains(text(), 'This can be found')]

我正在寻找一个类似的XPath，可以让我<someOtherElement>使用纯文本查找"This can not be found"。以下内容不起作用：

//*[contains(text(), 'This can not be found')]

我了解这是因为嵌套em元素“破坏”了“无法找到”的文本流。是否可以通过XPath以某种方式忽略上述嵌套或类似嵌套？

阅读 751

2020-06-26

共1个答案

一尘不染

您可以使用//*[contains(., 'This can not be found')]。

.在与“无法找到”进行比较之前，上下文节点将转换为其字符串表示形式。

尽管请注意， 因为您正在使用//*，所以它将匹配包含此字符串的所有包含元素。

在您的示例情况下，它将匹配：

<someOtherElement>
和 <body>
和<html>！

您可以通过定位文档中的特定元素标签或特定部分（a <table>或<div>具有已知ID或类）来限制此设置

编辑OP的问题，以评论如何找到与文本条件匹配的最多嵌套元素：

此处接受的答案建议//*[count(ancestor::*) =max(//*/count(ancestor::*))]选择嵌套最多的元素。我认为这只是XPath 2.0。

当与您的子字符串条件结合使用时，我可以在此文档中对其进行测试

<html>
<head>...</head>
<body>
    <someElement>This can be found</someElement>
    <nested>
        <someOtherElement>This can <em>not</em> be found most nested</someOtherElement>
    </nested>
    <someOtherElement>This can <em>not</em> be found</someOtherElement>
</body>
</html>

并带有此XPath 2.0表达式

//*[contains(., 'This can not be found')]
   [count(ancestor::*) = max(//*/count(./*[contains(., 'This can not be found')]/ancestor::*))]

它与包含“找不到此嵌套最多”的元素匹配。

可能有更优雅的方法可以做到这一点。

2020-06-26