对一些特定数据的HTML解析

我正在开发一个小应用程序，它要求我解析web上的html站点。 我的问题如下： 解析例程对于一些信息来说工作得很好，但我正在花几个小时寻找一种方法来获取一些拒绝出现的信息

下面是我愿意解析的部分代码结构：

`

好的，html代码似乎没有出现在预览中，因此在上面页面的源代码中，当您看到[div id=“general”]时，下面是一个[p]，后面是[span class=“label”]一些文本[/span]，下面是括号中的文本。这发生在几行，我需要捕捉这些信息

我曾尝试将://body/div/main/div[@id='general']/p用作XpathQueryString，但结果是1个节点且为空

也使用div[@id='general']，但结果未找到节点，
对于div[@id='general']/p/span，未找到结果节点，
使用//div/p/span[@class='label']时，结果是标志和>/span>之间的标题，但我正在查找后面引号之间的文本，我无法确定如何成功。我想我已经尝试了所有的组合（比上面解释的更多），但没有机会。是否有特殊的路径来访问此文本

谢谢你的建议

顺便说一句，这是我在stackoverflow.com上的第一篇帖子，我的第一语言是法语，所以我为没有遵守任何规则或我的英语不好提前道歉

享受你的一天，晚上。。。键盘上的夜晚

Alain
您的第一个表达式
//body/div/main/div[@id='general']/p
应返回单个节点。正如你所观察到的，它在被引用的网站上就是这样工作的。表达式向下延伸到该节点，但不深入文本嵌套的位置。然而，你也必须得到文本，只是用html封装，周围有花哨的标签。正确使用的良好XPath选择器API应该返回匹配的html节点，包括标记本身。

如果最后看到的只是文本节点，请尝试以下操作：

将s中的文本视为html节点，
text（）
节点。


//div[@id='general']/p/text（）


这将与“要分析的文本”匹配。
node（）
将匹配任何html节点（甚至标记中的文本）和
*
任何非
text（）
节点。


对于任意数量的步骤，请使用双斜杠：

//div[@id='general']/p//text（）


现在，无论嵌套级别如何，都要匹配标记下的每个文本节点。而且，由于文本节点根据定义是叶节点（不能包含其他节点），这保证了不会多次匹配树下同一路径的成员

关于你的一些评论：

//body
是肤浅的，只有一个body，html精确地定义了其中的位置。

由
@id
量化的节点不需要由其父节点的选择器继续，从
//div[@id='something unique']
开始

了解有关XPath的更多信息。正确返回所选“节点”而不仅仅是连接文本的API在理解表达式在实践中的工作方式方面可以发挥重要作用。
您好，谢谢您的回答。由于我不知道如何直接问你关于同一主题的另一个问题，我只是回答了我自己的问题。你能看一下吗？谢谢，艾尔
   `<header>
    <nav>
    <div.....>
       <aside......>
       <main>
           <div .....>
              <a ......>
              <a ......>
           </div>
             .
             .
             .
           <div id="general">
               <h2> ........</h2>
               <p>
                  <span class="label">text</span>
                  "text 2 to be parsed"
                  <br>
                  <span class="label">other text</span>
                  "text 3 to be parsed"
                  <br>