XPath查询与正则表达式

Question

很简单，有一个HTML文件，其中有一个带有变量id的div元素，如下所示。

<div id="abc_1"><div>

id的整数部分是可变的，因此它可以是abc_892、abc_553等等。

什么是获取该值的最佳查询方法？

- Zamblek

---

参考文献：使用PHP中的正则表达式过滤XPath属性（2011年7月） - hakre

Answer 1

//div[starts-with(@id, "abc_")]

- goat

Answer 2

目前被接受的答案选择了这些不需要的元素：

<div id="abc_xyz"/>

但只有那些div元素必须被接受，其id不仅以"abc_"开头，而且下划线后面的子字符串是整数的表示形式。

使用此XPath表达式：

//div
   [@id[starts-with(., 'abc_') 
      and 
        floor(substring-after(.,'_')) 
       = 
        number(substring-after(.,'_')) 
       ]
   ]

这个选择器会选中任何带有id属性的div元素，其字符串值以"abc_"开头，并且-后面的子字符串是一个整数。

解释:

在XPath 1.0中，我们利用了这个XPath表达式：

floor($x) = number($x)

当$x为整数时，表达式的值为true()。

这可以很容易地证明：

1. 如果$x是整数，则根据定义，上述表达式的值为true()。

2. 如果上述表达式的值为true()，则意味着等式两边都不是NaN，因为根据定义，NaN不等于任何值（包括它自己）。但这意味着$x是一个数字（number($x)不是NaN），并且根据定义，一个等于整数floor($x)的数字$x是整数。

另一种解决方案:

//div
   [@id[starts-with(., 'abc_') 
      and 
        'abc_' = translate(., '0123456789', '')
       ]
   ]

- Dimitre Novatchev

---

你能解释一下为什么这个有效吗？我对xpath不是很熟悉，所以我猜floor()会返回一个永远不等于自己的值，就像sql的三元逻辑（例如，在sql中null = null总是false）一样？谢谢。 - goat

@chris：已完成。顺便提一下，表达式中有一点不准确，现在已经修正了。 - Dimitre Novatchev

@chris：不客气。是的，XPath（即使是1.0版本）是一种非常强大的语言和工具，可以提供优雅的解决方案。 - Dimitre Novatchev

好的，就像我说的，我认为额外的检查可能是不必要的，但我相信它可能对某些人有用。只是出于好奇，//div[@id[translate(.,'0123456789','') = 'abc_']] 不会更快吗？ - Flynn1179

@Flynn1179：两种方法都是O(N) -- 如果其中一种更快，这将取决于实现。XPath引擎优化器可能会或可能不会识别和优化特定的表达式。我更喜欢使用floor($x) = $x，因为这更易读、易懂，并且可以很好地转化为“类型检查”。 - Dimitre Novatchev