从html文档中提取href的文本 [英] Extracting an href's text from an html document

问题描述

我试图解析这段HTML：

 < div> 
< p> 
< a href =＃class =transcriptLinkonclick =seekVideo（0）; return false;>几年前，< / a> 
< a href =＃class =transcriptLinkonclick =seekVideo（2000）; return false;>我觉得自己陷入了一种r&，< / a> 
< a href =＃class =transcriptLinkonclick =seekVideo（5000）; return false;>所以我决定按照脚步< / a> 
< a href =＃class =transcriptLinkonclick =seekVideo（7000）; return false;>伟大的美国哲学家摩根史派洛克< / a> 
< a href =＃class =transcriptLinkonclick =seekVideo（10000）; return false;>并尝试一些新的功能30天。< / a> 
< / p> 
< / div> 
  

我想知道如何获得标签中的文字，例如：几年前，

我可以在< a>文字< / a>，

但是我不知道如何在< a href =＃class =transcriptLink标签中获得几年前 onclick =seekVideo（0）;返回false;>几年前，< / a>

 < a href =＃class =transcriptLinkonclick =seekVideo（0）; return false;> 
< a href =＃class =transcriptLinkonclick =seekVideo（2000）; return false;> 
 .................... 
  

只有 onclick =seekVideo（....）;

解决方案您可以使用XPath： / div / p / a [1] / text（） - 选择 a @onclick 值： / div / p / '）] / text（）。因此这两个查询都会在几年前返回。。

要获得 @onclick seekVideo 中的号码，您可以使用以下表达式：

  substring-before（substring-after（@onclick，'（'），'）'）
   a ，其 @onclick  
 
 
 
 code> seekVideo  =  0 您可以使用此XPath： 
 
 <$ p $ （@onclick，'（'），'）'）='0'] / text（）
  

或

  / div / p / A [数（串 - 前（substring-after（@onclick，'（'），'）'））= 0] / text（）
  

$ b $因此两个查询都会在几年前返回 。

I'm trying to parse this piece of HTML:

<div>
  <p>
    <a href="#" class="transcriptLink" onclick="seekVideo(0); return false;">A few years ago,</a>
    <a href="#" class="transcriptLink" onclick="seekVideo(2000); return false;">I felt like I was stuck in a rut,</a>
    <a href="#" class="transcriptLink" onclick="seekVideo(5000); return false;">so I decided to follow in the footsteps</a>
    <a href="#" class="transcriptLink" onclick="seekVideo(7000); return false;">of the great American philosopher, Morgan Spurlock,</a>
    <a href="#" class="transcriptLink" onclick="seekVideo(10000); return false;">and try something new for 30 days.</a>
  </p>
</div>

I want to know how to get the text in label, such as: "A few years ago,"

I can get text in "<a> text </a>",

But I do not know how to get "A few years ago," in the label of "<a href="#" class="transcriptLink" onclick="seekVideo(0); return false;">A few years ago,</a> "

<a href="#" class="transcriptLink" onclick="seekVideo(0); return false;">  
<a href="#" class="transcriptLink" onclick="seekVideo(2000); return false;">
....................

There are different about only onclick="seekVideo(....);

解决方案

You can use XPath: /div/p/a[1]/text() - selects a by index or matching @onclick value: /div/p/a[starts-with(@onclick, 'seekVideo(0)')]/text(). So both queries return A few years ago,.

To get number in @onclick seekVideo you can use this expression:

substring-before(substring-after(@onclick, '('), ')')

e.g.: To find a whose @onclick seekVideo = 0 you can use this XPath:

/div/p/a[substring-before(substring-after(@onclick, '('), ')') = '0']/text()

or

/div/p/a[number(substring-before(substring-after(@onclick, '('), ')')) = 0]/text()

So both queries return A few years ago,.

这篇关于从html文档中提取href的文本的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！