Question

我在这里向您询问 QXmlQuery 和 Xpath 的帮助。我正在尝试使用此组合从多个HTML文档中提取一些数据。下载这些文档，然后使用HTML Tidy Library清除。

问题是当我尝试使用XPath时。这是一个示例代码：

[...]
    <ul class="bullet" id="idTab2">
        <li><span>Hauteur :</span> 1127 mm</li>
        <li><span>Largeur :</span> 640 mm</li>
        <li><span>Profondeur :</span> 685 mm</li>
        <li><span>Poids :</span> 159.6 kg</li>
[...]

干净的代码存储在QString“代码”中：

QStringList fields, values;
QXmlQuery query;

query.setFocus(code);
query.setQuery("//*[@id=\"idTab2\"]/*/*/string()");
query.evaluateTo(&fields);

我的目标是获得所有领域（Hauteur，Largeur，Profondeur，Poids等）及其价值（1127毫米，640毫米，685毫米，159.6千克等）。

问题1

正如您所看到的，我使用此XPath //*[@id="idTab2"]/*/*/string()来恢复字段，因为：//ul[@id="idTab2"]/li/span/string()不起作用。当我尝试指定标签名称时，它什么也没给我。它仅适用于*。为什么？我检查了整洁函数返回的代码，XPath没有改变。所以，我没有看到任何问题。这是正常的吗？或者也许有一些我不知道的事情......

问题2

在之前的XHTML代码中，li标签包含span标签和一些文本。我不知道如何只获取文本而不是span标记的内容。我试过了：

//*[@id="idTab2"]/*/string()提供：Hauteur : 1127 mm Largeur : 640 mm Profondeur : 685 mm

//*[@id="idTab2"]/*[2]/string()提供：Nothing

所以，如果我没错，li标签中的文本不被视为子节点，但应该是。请参阅接受的答案：Select just text directly in node, not in child nodes。

感谢阅读，希望有人能帮助我。

Answer 1

要获取不同<li>内的元素（不是文本表示），您可以测试文本内容：

//*[@id=\"idTab2\"]/li[starts-with(span, "Hauteur")]

其他项目相同：

//*[@id=\"idTab2\"]/li[starts-with(span, "Largeur")]
//*[@id=\"idTab2\"]/li[starts-with(span, "Profondeur")]
//*[@id=\"idTab2\"]/li[starts-with(span, "Poids")]

要获取这些<li>的字符串表示形式，您可以在整个表达式周围使用string()，如下所示：

string(//*[@id=\"idTab2\"]/li[starts-with(span, "Poids")])

给出“Poids：159.6 kg”

要仅提取<li>中的文本节点，而不提取<span>，您可以使用这些表达式，这些表达式选择<li>的直接子节点的文本节点（{{1 }}不是文本节点），并删除前导和尾随空格字符（<span>）

normalize-space()

最后一次给出“159.6公斤”

Qt：QXmlQuery和XPath

1 个答案: