Python 获取在HTML文档中形成字符串的节点的xpath

问题：我想找到在HTML文档中形成文本字符串的节点的xpath。使用的语言是python lxml来解析文档

为了说明这一思想，请参阅文献：

样本文件 这是一个标题 这是另一个标题

从

SFO至JFK 2015年5月2日下午2:00。有关详细信息，请访问confirm.com 旅行者的名字是 无名氏

---

…您可以尝试以下方法：

import lxml.html as lh
from lxml import etree

elem_tree = lh.parse("Q12.html")
input_string = ["SFO to JFK on May 2, 2015", "Traveler name is John Doe"]

for i in input_string:
    xpath = "//*[contains(normalize-space(.), '{0}') and not(.//*[contains(normalize-space(.), '{0}')])]/*"
    node = elem_tree.xpath(xpath.format(i))[0]

    print '{0} -> {1}'.format(i, elem_tree.getpath(node))

    #Output:
    #SFO to JFK on May 2, 2015 -> /html/body/p[2]/b[1]
    #Traveler name is John Doe -> /html/body/div/h3

简要说明：

containsnormalize space.，“{0}”：包含输入_字符串之一的文本的筛选器节点

not.//*[containsnormalize space.，“{0}]”：如果节点的任何子代不包含文本，请选择该节点。换句话说，选择包含文本的最内部节点

：返回用于查找元素的结构化绝对XPath表达式

更新：

将xpath变量字符串中的尾部/*替换为：

/descendant-or-self::*[contains('{0}', text()) or contains(text(), '{0}')]

---

工作的HTML结构张贴的问题，以及一个你在下面的评论链接。然而，解决两个示例HTML所展示的具有不同特征的一般情况超出了本答案中xpath查询的范围。

xpath不是仅仅是//B，因为这是您正在搜索的唯一HTML元素，它应该为您提供页面上所有B元素的数组。您还可以使用$xxpath在chrome控制台中运行XPath；对不起，我应该澄清一下。文件不是固定的。正如问题中应该提到的那样，如果我有任何HTML和一组字符串，我将如何获得xpath？回答和解释都很好，只是它不适用于我所有的字符串。例如html，我试图找到的字符串是'Phone:1-213-484-7000'，但上面的'xpath'找不到相同的节点。@Ark Check UPDATE部分，这也适用于链接的要点中的html。然而，我并不是要解决你提出的所有问题。似乎太多了：感谢更新！是的，通用解决方案会很难，因为可能会有一些微妙的情况。然而，我认为你的回答提供了一个很好的起点