Xquery 使用Xidel提取同一行的href和文本，仅限于特定链接

我试图提取html页面中大量链接的

标记内的链接（href）和文本

我只想要特定的链接，我用一个子串匹配

我的html示例：

<a href="/this/dir/1234/">This should be 1234</a> some other html
<a href="/this/dir/1236/">This should be 1236</a> some other html
<a href="/about_us/">Not important link</a> some other html

它基本上是可行的，但仍存在两个问题：

• 我用换行符分隔数据。我想把它放在同一条线上
• 每个链接文本都会返回，所以我也会得到文本“不重要的链接”

获得输出的推荐方法是什么

/this/dir/1234  ; This should be 1234
/this/dir/1236  ; This should be 1236

感谢您的反馈/提示

编辑：

马丁提供的解决方案在那里占99%。没有输出换行符，因此我使用awk将虚拟文本替换为换行符

注意：我在windows上

xidel myhtml.htm -e "string-join(//a[contains(@href, '/this/dir')]!(@href || ' ; ' || .), 'XXX')" | awk -F "XXX" "{$1=$1}1" "OFS=\n" 

---

您可以将条件移动到谓词中，例如

//a[contains（@href，/this/dir'）！（@href，string（））

。至于结果格式，如果使用

string-join(//a[contains(@href, '/this/dir')]!(@href || ' ; ' || .), '
')

---

谢谢你，马丁！这是99%的正确率。请参阅我对原始问题的编辑。我不知道谓词的用法。

”
；'

使用的是XQuery语法，因此如果Xidel有任何选项来确保传入的表达式的计算结果是XQuery而不是普通XPath，那么请尝试这样做。或者使用

codepoints to string（10）

，例如

string连接（//a[contains（@href，/this/dir'））！（@href | | | | | | | |'）、codepoints to string（10））

，这应该作为XPath进行。字符串（10）的代码点起作用。你真聪明。谢谢大家!@MartinHonnen，通过将整个查询放入

string-join（）

中，可以预期整个输出都在一行中。MyICQ喜欢将每个@href单独放在一行，因此

//a[contains（@href，“/this/dir'）]/join（@href，”，“；”）

，或

//a[contains（@href，“/this/dir'）]/concat（@href，”；）

会更好。@Reino，您是否可以引用XQuery规范或XQuery函数规范中的任何内容来支持您的说法，即使用

字符串连接（//a[contains（@href，/this/dir'）！（@href | |'|'|'|'），“
；”）

，就像我所做的那样，将整个输出放在一行上？我不知道你的期望是从哪里来的，我当然不会分享它们。我不明白为什么

//a[contains（@href，/this/dir'）]/concat（@href，；”，）

确保在单独的行上进行输出，您可以构造字符串序列，而不在它们之间定义任何分隔符。

string-join(//a[contains(@href, '/this/dir')]!(@href || ' ; ' || .), '
')