Cómo hacer coincidir un nodo de texto y luego seguir los nodos principales usando XPath

Question

Estoy tratando de analizar algo de HTML con XPath. Siguiendo el ejemplo de XML simplificado a continuación, deseo hacer coincidir la cadena 'Texto 1', luego tomar el contenido del nodo relevante content.

<doc> 
    <block> 
     <title>Text 1</title> 
     <content>Stuff I want</content> 
    </block> 

    <block> 
     <title>Text 2</title> 
     <content>Stuff I don't want</content> 
    </block> 
</doc> 

código Mi Python lanza una tambaleante:

>>> from lxml import etree 
>>> 
>>> tree = etree.XML("<doc><block><title>Text 1</title><content>Stuff 
I want</content></block><block><title>Text 2</title><content>Stuff I d 
on't want</content></block></doc>") 
>>> 
>>> # get all titles 
... tree.xpath('//title/text()') 
['Text 1', 'Text 2'] 
>>> 
>>> # match 'Text 1' 
... tree.xpath('//title/text()="Text 1"') 
True 
>>> 
>>> # Follow parent from selected nodes 
... tree.xpath('//title/text()/../..//text()') 
['Text 1', 'Stuff I want', 'Text 2', "Stuff I don't want"] 
>>> 
>>> # Follow parent from selected node 
... tree.xpath('//title/text()="Text 1"/../..//text()') 
Traceback (most recent call last): 
    File "<stdin>", line 1, in <module> 
    File "lxml.etree.pyx", line 1330, in lxml.etree._Element.xpath (src/ 
lxml/lxml.etree.c:14542) 
    File "xpath.pxi", line 287, in lxml.etree.XPathElementEvaluator.__ca 
ll__ (src/lxml/lxml.etree.c:90093) 
    File "xpath.pxi", line 209, in lxml.etree._XPathEvaluatorBase._handl 
e_result (src/lxml/lxml.etree.c:89446) 
    File "xpath.pxi", line 194, in lxml.etree._XPathEvaluatorBase._raise 
_eval_error (src/lxml/lxml.etree.c:89281) 
lxml.etree.XPathEvalError: Invalid type 

Es esto posible en XPath? ¿Debo expresar lo que quiero hacer de otra manera?

Answer 1

¿Lo quieres?

//title[text()='Text 1']/../content/text() 

Answer 2

Uso:

string(/*/*/title[. = 'Text 1']/following-sibling::content) 

Esto representa al menos dos mejoras en comparación con la solución actualmente aceptado de Johannes Weiß:

1. La abreviatura muy caro " // " (por lo general causa el quién El documento XML que se escaneará) se evita como debería ser siempre que la estructura del documento XML se conozca de antemano.

2. No hay vuelta atrás al padre (el paso de localización "/ .." se evita)