从HTML中提取文本，排除<small>标记中的文本

Question

我想从HTML中提取文本，而不是<small>标记：

<h1>THE BIG TEXT<small>the small text</small></h1>

我可以用//h1/text()提取“THE BIG TEXT the small text”，但是如何才能提取“THE BIG TEXT”，而不是“小文本”？

我必须使用什么XPath？

Answer 1

以下XPath应该有效：

//h1/text()

它会在h1标记内找到直接文本，而不是子标记。 它提取了“大文本”。

演示here。

但是如果你想提取h1 中的所有文字，包括子标签：

//h1//text()

它提取“大文本小文本”。

查看单斜杠和双斜杠（/）。单/表示立即，双/表示所有包括嵌套。