如何从 XPath 查询中的先前属性值中提取嵌入的属性值？

Question

我试图从 html 的以下部分中的 onclick 属性中“选择”链接

<span onclick="Javascript:document.quickFindForm.action='/blah_blah'" 
 class="specialLinkType"><img src="blah"></span>

，但无法获得比以下 XPath 更进一步的信息，

//span[@class="specialLinkType"]/@onclick

该 XPath 只返回

Javascript:document.quickFindForm.action

Any ideas on how to pick out that link inside of the QuickFindForm .action 带有 XPath？

Answer 1

我在 Java 应用程序中尝试了 XPath，它工作正常：

    import java.io.IOException;
    import java.io.StringReader;

    import javax.xml.parsers.DocumentBuilder;
    import javax.xml.parsers.DocumentBuilderFactory;
    import javax.xml.parsers.ParserConfigurationException;
    import javax.xml.xpath.XPath;
    import javax.xml.xpath.XPathExpression;
    import javax.xml.xpath.XPathFactory;

    import org.w3c.dom.Document;
    import org.xml.sax.InputSource;
    import org.xml.sax.SAXException;

    public class Teste {

        public static void main(String[] args) throws Exception {
            Document doc = stringToDom("<span onclick=\"Javascript:document.quickFindForm.action='/blah_blah'\" class=\"specialLinkType\"><img src=\"blah\"/></span>");
            XPath newXPath = XPathFactory.newInstance().newXPath();
            XPathExpression xpathExpr = newXPath.compile("//span[@class=\"specialLinkType\"]/@onclick");
            String result = xpathExpr.evaluate(doc);
            System.out.println(result);

        }

        public static Document stringToDom(String xmlSource) throws SAXException, ParserConfigurationException, IOException {
            DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();
            DocumentBuilder builder = factory.newDocumentBuilder();
            return builder.parse(new InputSource(new StringReader(xmlSource)));
        }
    }

结果：

Javascript:document.quickFindForm.action='/blah_blah'

Answer 2

如果 Scrapy 支持 XPath 字符串函数，这将起作用

substring-before(
   substring-after(
      //span[@class="specialLinkType"]/@onclick,"quickFindForm.action='")
   ,"'")

它看起来也支持正则表达式。像这样的东西应该有效

.select('//span[@class="specialLinkType"]/@onclick').re(r'quickFindForm.action=\'(.*?)\'')

警告：我无法测试第二个解决方案，您必须检查 \' 在这种情况下是单引号的正确转义序列。

Answer 3

我用的是xquery，但是xpath中应该是一样的。我使用了一个 xpath 函数“tokenize”，它根据正则表达式分割字符串（http://www.xqueryfunctions.com/xq/fn_tokenize.html）。
在这种情况下，我根据“ ' ”分割字符串，

        xquery version "1.0";
        let $x := //span[@class="specialLinkType"]/@onclick
        let $c := fn:tokenize( $x, '''' )
        return $c[2]

在 xpath 中应该是：

        fn:tokenize(//span[@class="specialLinkType"]/@onclick, '''' )[2]