返回全文元素（包括子/后代元素）

Question

我正在尝试从div / p页面上第一次出现的文本中获取文本，而只是第一个p。 ＆lt; p＆gt;包含其他标签（＆lt; b＆gt;，＆lt; a href＆gt;）和来自＆lt; p＆gt;的返回文字停在任何其他标签。有没有办法让这一行返回＆lt; p＆gt;之间的所有文字？和＆lt; / p＆gt;，甚至在嵌入式标签之间？

puts doc.xpath('html/body/div/p[1]/text()').first

Answer 1

使用：

string((//div/p)[1])

评估此XPath表达式时，结果是文档中第一个p的字符串值，该值是div的子项。

根据定义，元素的 string value 是其所有文本节点后代的连接（按文档顺序）。

因此，您可以获得以此p元素为根的子树中的所有文本，并跳过任何其他节点（元素，注释，PI）。

基于XSLT的验证：

<xsl:stylesheet version="1.0"
 xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
 <xsl:output omit-xml-declaration="yes" indent="yes"/>
 <xsl:strip-space elements="*"/>

 <xsl:template match="/">
     <xsl:copy-of select="string(p)"/>
 </xsl:template>
</xsl:stylesheet>

将此转换应用于以下XML文档（未提供此类文件！）：

<p>
 Hello <b>
  <a href="http://www.w3.org/TR/2008/REC-xml-20081126/">XML</a>
   World!</b>
</p>

评估的XPath表达式的结果是输出：

 Hello XML
   World!

Answer 2

使用Nokogiri作为更多XPath的替代方法，您可以使用Nokogiri::XML::Node#inner_text：

puts doc.xpath('html/body/div/p[1]').inner_text