XPath包含以特定类型的链接路径为目标

Question

构建XPath查询以返回我需要的URL类型时遇到很多困难。下面的XPath查询适用于大多数情况，但是，我一直在尝试调整它，因此它只返回实际页面名称包含“about”的URL，而不是在目录名中找到about的URL。

当前输出（差）：

https://www.domain.com/about/account.asp

期望的输出：

https://www.domain.com/about/about.asp

XPath的

 (//a[contains(@href,'about')]/@href)[1]

注意：因为我使用的是PHP XPath引擎，所以我只能使用XPath 1.0解决方案。

我很感激任何建议！

提前谢谢了！

Answer 1

XPath 1.0的字符串操作功能非常有限，你只能根据一些假设来做到这一点。

例如，如果所有网址都以.asp结尾，请搜索/about.asp或更通用的/about.之类的内容。一个非常肮脏的黑客将切断从第一个?开始的一切，只使用最后几个字符（允许不同长度的后缀，如.xhtml或.pl）并在那里搜索：

[
  contains(
    substring(substring-before(., '?'), string-length(substring-before(., '?')) - 10),
   'about'
  ) or (
    not(contains(., '?')) and
    contains(substring(., string-length(.) - 10), 'about')
  )
]

这仍然应该扩展为哈希#代替?来获取大多数情况，但仍然有足够的它将失败。

我强烈建议使用PHP中的一些正则表达式，它将更加强大和方便。或者使用外部XPath 2.0 / XQuery处理器，如Saxon，BaseX，......

Answer 2

明显的解决方案：

//a[contains(@href, '/about.asp')]

但假设你不想这样做，我认为不可能做你需要的。我得到的最接近的：

//a[contains(@href, 'about') and not(contains(substring-after(@href, 'about'), '/'))]

说明：“选择任何<a>元素，在其@href属性中，确实包含'about'，并且在'/'之后不包含任何'about'。”

问题是，虽然它匹配https://www.domain.com/account/about.asp和它（正确）不匹配https://www.domain.com/about/account.asp，它也不匹配https://www.domain.com/about/about.asp，因为有一个"about"子串由'/'成功。

我认为，您可以做的最好的事情就是选择//a[contains(@href, 'about')]，然后根据需要使用PHP过滤结果。

Answer 3

你还记得你用过的浏览器吗？ Internet Explorer计算以0开头的元素节点。

about.asp显然出现在account.asp之前，所以我会用这个：

(//a[contains(@href,'about')]/@href)[0]