xpath：提取节点的尾部文本

我有一个包含以下内容的html文件

...
<table><tbody>
...
            <tr>
              <td><span class="myclass">C</span>
                <a href="/myurl" title="myclick">mytext</a>
                   tailing text
              </td>
            </tr>
...
</tbody></table>
...

。。。
...
C
拖尾文本
...
...

我想提取信息并以以下格式写入TSV文件

C<TAB>mytext<T>tailing text

Cmytexttailing文本

到目前为止，我只能用这个xpath代码来提取前两列。有人能告诉我如何提取第三列吗？谢谢

xidel -s -e '//table/tbody/tr/td/join((span, a), x:cps(9))' - < infile.html

xidel-s-e'//table/tbody/tr/td/join（（span，a），x:cps（9））——

您可以使用以下命令：

xidel infile.html --xpath '//table/tbody/tr/td/string-join((span, "<TAB>", a, "<T>", a/following::text()[1]))'

xidel infle.html--xpath'//table/tbody/tr/td/string join（（span，“，a，”，a/following:：text（）[1]））

或

xidel--xpath'//table/tbody/tr/td/string-join（（span，“，a，”，a/following:：text（）[1]）”--

另一种方法是

xidel infile.html --xpath '//table/tbody/tr/td/concat(span, "<TAB>", a, "<T>", a/following-sibling::text()[1])' 

xidel infle.html--xpath'//table/tbody/tr/td/concat（span，“，a，”，a/以下同级：：text（）[1]）'

在所有三种情况下，输出为：

C<TAB>mytext<T>tailing text

Cmytexttailing文本

如果使用

//table/tbody/tr/td/string连接（node（）[normalize-space（）]，x:cps（9））

将得到三列，但最后一列可能在文本前后包含空格，因此可能

//table/tbody/tr/td/string连接（node（）[normalize-space（）]/normalize-space（），x:cps（9））

确保您不会得到未显示在所需结果中的空白。

当有许多

tr

s时，这似乎非常缓慢。是因为

a/following:：text（）[1]

？谢谢。另一种方法是

xidel infle.html--xpath'//table/tbody/tr/td/concat（span，“，a，”，a/following sibling:：text（）[1]）

。但这是绝对最小值。我怀疑它会变得更好。性能问题可能是由于表达式中的

/

导致的，因为这会检查整个文档中的所有表。我不认为

/

是问题所在，因为删除

a/following sibling:：text（）[1]

会使运行更快完成。您是说

/

与

a/以下同级：：text（）[1]

结合会导致性能问题吗？谢谢。你确定你的“infle.html”中保留了空格（如OP中所示）？如果是这样，那么您应该看到

a/following:：text（）[1]

返回3行<代码>跟踪文本，周围有大量空白。另外，OP想要创建一个TSV文件，所以我怀疑他/她所要的字符串是“和”。@Reino Yes。我需要制表符。我在第二列有一个额外的制表符。你知道为什么吗

xidel-s--xpath'//table/tbody/tr/td/string-join（node（）/normalize-space（），x:cps（9））-好吧，您没有使用我建议的，而是一个选择空白文本节点的变体，即使减少为空字符串。为了防止出现这种情况，我在两个建议中都使用了谓词
[normalize-space（）]
，您已经删除了这两个建议。但即使没有尾随文本，我也需要尾随空字段。然后，您需要解释需要哪些文本节点，哪些不需要。也许zx485对
a/following-text（）
的回答是您想要的，它显式地选择
span
子项、
a
子项和
a
子项后面的文本，而我试图选择任何子项的文本，在空白规范化之后，这些子项都有文本内容。但是如果您希望读取
a
元素后的空格，那么这种方法就不起作用。
//table/tbody/tr/td/join（（span，a，a/following:：text（）[1]，a/@href），x:cps（9））
是我需要的（我添加了href）。但是它太慢了。但您的代码似乎要快得多，但它修剪了我仍然希望保留的空字段。我想知道是否有什么可以做，以实现快速的性能，但保持空的尾部字段。
C<TAB>mytext<T>tailing text