Как получить текст за пределами тега при помощи xpath?

Question

[FaNaT]

Здравствуйте. Есть такой html-фрагмент

<article class="eText">
<p class="">
<b class="">Год:</b> 2019-2020 
<br class="">
<b class="">Жанр:</b> Приключения, фэнтези, мультсериал 
<br class="">
<b class="">Перевод / Озвучивание:</b> Многоголосый дубляж от Wakanim 
<br class="">
<b class="">Время:</b> 22 х ~ 00:24:00 
<br class="">
<b class="">Произведено:</b> Япония, CloverWorks 
<br class="">
<b class="">Режиссер:</b> Тосифуми Акай 
<br class="">
<b class="">Актеры:</b> Нобунага Симадзаки, Риэ Такахаси, Аяко Кавасуми, Кэнъити Судзумура, Маая Сакамото, Томокадзу Сэки, Ю Кобаяси, Такахиро Сакурай, Ю Асакава, Кана Уэда 
</p>
</article>

Запрос, который получился у меня, только доходит до нужного узла. А вот получить значение за пределами тега я не знаю как.
//article[@class='eText']/p/b[contains(.,'Жанр:')]

Мне нужно получить значения, идущие после закрывающих тегов b. Т.е. "2019-2020", "Многоголосый дубляж от Wakanim", "Тосифуми Акай" и все остальные.

Я, конечно, могу при помощи Substring извлечь подстроку после двоеточия и проблема будет решена, но мне стало интересно можно ли написать универсальный xpath-запрос, в котором будет меняться содержимое contains, чтобы получить эти текстовые значения.

Answer 1

[Roman Fov]

можно ли написать универсальный xpath-запрос, в котором будет меняться содержимое contains, чтобы получить эти текстовые значения.

Короткий ответ

//article[@class='eText']/p/b[. = 'Жанр:']/following-sibling::text()[1]

Xml:

<article class="eText">
	<p class="">
		<b class="">Жанр:</b>вфывафыва
		<b class="">Время:</b> 22 х ~ 00:24:00 
	</p>
</article>

XPath result:
Text='вфывафыва'
-----------------------------------

Правильный ответ

//article[@class='eText']/p/b[text() = 'Жанр:'][generate-id(following-sibling::text()[1]/preceding-sibling::node()[1]) = generate-id(.)]/normalize-space(following-sibling::text()[1])

Xml:

<article class="eText">
	<p class="">
		<b class="">Жанр:</b><b class="">Жанр:</b>Многоголосый дубляж от Wakanim 
		<b class="">Время:</b> 22 х ~ 00:24:00 
	</p>
</article>

XPath result:
String='Многоголосый дубляж от Wakanim'
-----------------------------------
(Тип учитывать возможное пустое значение после тега <b>. Незн насколько наглядно проиллюстрировал)

Если что не понятно, то спрашивайте

PS: Вопрос знатокам: реально ли упростить второй вариант без потери функционала?

Comments

[Roman Fov]

Вот пример когда ломается первый варик:
Xml

<article class="eText">
  <p class="">
    <b class="">Жанр:</b><b class="">Жававаапр:</b>Многоголосый дубляж от Wakanim 
    <b class="">Время:</b> 22 х ~ 00:24:00 
  </p>
</article>

XPath result:
Text='Многоголосый дубляж от Wakanim'

[FaNaT]

Спасибо большое, первый вариант работает. Второй почему-то не хочет - выкидывает ошибку, что указанный запрос"имеет недопустимый указатель (token)".

Вопроса два:
1)я правильно понимаю, ". = " - это то же самое, что и contains?
2)Есть смысл использовать более сложный запрос, если я 100% уверен, что html всегда будет такого вида, как у вас в "коротком ответе"? Т.е. пустого тега <B> не будет точно.

[Roman Fov]

1. Не совсем. Contains проверяет вхождение строки, а знак равенства её соответствие.
Есть xml:

<root>
	<elem>мошка</elem>
	<elem>кошка</elem>
	<elem>окрошка</elem>
</root>

Xpath с контейнс используют обычно так:
/root/elem[contains(., 'ошка')]
Выдаст:
XPath result:

Element='<elem>мошка</elem>'
Element='<elem>кошка</elem>'
Element='<elem>окрошка</elem>'

А Xpath со знаком равенства так:
/root/elem[. = 'кошка']
Выдаст:

XPath result:
Element='<elem>кошка</elem>'

2. Если есть уверенность, то можно использовать первый вариант. Он вполне рабочий. Второй прост о наболевшем)

[FaNaT]

Roman Fov, Благодарю, теперь все понятно)

[FaNaT]

Roman Fov, у меня к Вам снова вопрос))
Уже работая над другим сайтом столкнулся с похожей проблемой, о которой Вы писали. Там нет постоянного шаблона.
Для примера:

<span class="post-b">Аудио 1</span>: <span class="p-color" style="color: green;"><span class="post-b">Русский</span></span> / AC3 / 2.0 / 48 kHz / 256 kbps - <span class="p-color" style="color: green;"><span class="post-b">Dub</span></span><br>
<span class="post-b">Аудио 2</span>: <span class="p-color" style="color: green;"><span class="post-b">Русский</span></span> / AC3 / 2.0 / 48 kHz / 224 kbps - <span class="p-color" style="color: green;"><span class="post-b">MVO</span></span><br>
<span class="post-b">Аудио 3</span>: <span class="p-color" style="color: green;"><span class="post-b">Японский</span></span> / E-AC3 / 2.0 / 48 kHz / 224 kbps<br>

и второй вариант

<span class="post-b">Аудио 1</span>: <span class="post-i">Русский</span> <span class="post-b">44.1 KHz, 2 ch, AAC-LC, 192 kbps</span><br>
<span class="post-b">Аудио 2</span>: <span class="post-i">Китайский</span> <span class="post-b">48.0 KHz, 2 ch, AC-3, 192 kbps</span><br>

И в каждом материале может быть свой вариант оформления. Мне нужно получить любую из строчек "Аудио" всю после двоеточия. Единственная закономерность, которую я заметил, это наличие тега
. Собственно, сейчас я по его позиции строку и обрезаю. Подскажите, пожалуйста, реально ли составить xpath-запрос, чтобы вытащить нужный текст?