Question

我正在尝试解析我的Facebook消息历史记录，因为我对谁经常使用哪些词以及类似的东西感兴趣。

这是代表两个人（Mary和John）之间对话的节点结构：

<div class="thread">

Mary Smith, John Smith

<div class="message">
    <div class="message_header">
        <span class="user">Mary Smith</span>
        <span class="meta">Saturday, October 12, 2013 at 12:53am UTC+02</span>
    </div>
</div>
<p>Hello, how are you?</p>

<div class="message">
    div class="message_header">
        <span class="user">John Smith</span>
        <span class="meta">Saturday, October 12, 2013 at 12:55am UTC+02</span>
    </div>
</div>
<p>I am fine, thank you for asking.</p>

</div>

我想获取作者是Mary（使用XPath）的所有邮件。我可以认识到某些内容是由Mary编写的消息，因为它位于p课程div之后的message，其中div有message_header个课span其中user子级为//div[@class="thread"]/p[preceding-sibling::div[@class="message"][div[@class="message_header"][span[@class="user"][contains(., "Mary")]]]]，其内容包含“Mary”。

我的尝试：

{{1}}

这可能是也可能不正确，但它无法使用，因为它太慢了。有没有更聪明的方法来编写这个查询？

哦，我正在使用Ruby + Nokogiri来解析文档，但我不确定这是否相关。

Answer 1

结构更灵活

像

这样的东西

//div[.//text()="Mary Smith"]/following-sibling::p[1]

肯定会缩短你的xpath。不幸的是，我对处理的速度知之甚少，但我想更少的测试意味着更快的执行。如果节点之间有很多文本字段，而不是很多span，那么它可能会更快

//div[.//span[@class="user"]/text()="Mary Smith"]/following-sibling::p[1]

让我知道这是否会显着提高速度！

结构刚性

如果结构是如您所示固定的，那么使用固定路径可能会更快，并尽可能避免//：

//div[div/span/text()="Mary Smith"]/following-sibling::p[1]

获取包含具有某个值的节点的节点的下一个节点

1 个答案: