Java 无法使用XPath标识页面上的所有文本元素

我试图识别网页上的所有文本元素。根据我在stackoverflow上读到的几个线程，我提出了以下XPath：

//*[normalize-space(.)=.][not(self::script or self::style or self::meta)]//.
//*[normalize-space(.)=.][not(self::script or self::style or self::meta)]//text()

然而，我注意到，虽然这在Amazon产品页面上标识了数百个文本元素，但却遗漏了一些重要的元素

例如：

在第页，我无法识别“功能”部分和“按时间顺序”部分：

“Echo Show带给你关于Alexa的一切你爱的东西”

“明天就要……”

在第页，我无法识别描述部分（紧靠产品图像右侧）

这两个页面都有突出显示在页面上的文本，因此我不明白为什么没有相应地识别它们

我知道其中一些文本在

ul/li

标签下，但我认为这不是问题所在

最后，是否可以将所述XPath与另一个属性值组合，以便它仅识别具有给定属性值的文本元素（即，

/*[normalize space（.）=.][非（self:：script或self:：style或self:：meta）]/.

+

/*[@id='XYZ']

）

谢谢

尝试使用：

//*[text()[not(normalize-space()='')]]

---

这将选择任何具有text（）节点的元素作为直接子元素，而不仅仅是空格。

可能是因为：

[规范化空格（.）=.]

尝试删除该谓词。我认为您还需要在另一个谓词中使用

和
而不是
或
。例如（未测试）：
/*[非（self:：script）而不是（self:：style）和不是（self:：meta）//text（）
同样，不清楚“文本元素”是什么意思。你想选择文本节点还是选择包含文本的元素？@DanielHaley如果我删除
[规范化空间（.）=。]
它标识了数百个我不想要的空白元素。所谓文本元素，我指的是任何在页面上有可见文本的元素。基本上，就是你自己查看页面时可能看到的文本类型。谢谢！也许可以尝试
/*[text（）[not（normalize-space（）=''）]
。这样应该选择任何有文本（）的元素节点作为不只是空白的直接子节点。请尝试
//*[text（）[not（normalize-space（）=''）][not（self:：script或self:：style或self:：meta或self:：noscript）]
或尝试
//*[not（normalize space（text（））=''][not not（self:：script或self:：style或self:：meta或self:：noscript）]