Python lxml XPath：前面的关键字没有给出预期的结果

Question

我正在尝试按如下方式解析 xml 文档

import re
from lxml.html.soupparser import fromstring

inString = """
<doc>

<q></q>

<p1>
    <p2 dd="ert" ji="pp">

        <p3>1</p3>
        <p3>2</p3>
        <p3>ABC</p3>
        <p3>3</p3>

     </p2>

     <p2 dd="ert" ji="pp">

        <p3>4</p3>
        <p3>5</p3>
        <p3>ABC</p3>
        <p3>6</p3>

     </p2>

</p1>
<r></r>
<p1>
    <p2 dd="ert" ji="pp">

        <p3>7</p3>
        <p3>8</p3>
        <p3>ABC</p3>
        <p3>9</p3>

     </p2>

     <p2 dd="ert" ji="pp">

        <p3>10</p3>
        <p3>11</p3>
        <p3>ABC</p3>
        <p3>12</p3>

     </p2>

</p1>
</doc>
"""
root = fromstring(inString)

nodes = root.xpath("./doc//p1/p2/p3[contains(text(),'ABC')]//preceding::p2//p3")

print " ".join([re.sub('[\s+]', ' ', para.text.encode('utf-8').strip()) for para in nodes])

所以，对于每个 <p1> 标签，我想到达 <p2> 内的 <p3> 个标签。然后我只想要 <p3> 标签直到标签有像 ABC 这样的文本。但是，如果我运行上面的代码，我得到

1 2 ABC 3 4 5 ABC 6 7 8 ABC 9

期望的输出是

1 2 4 5 7 8 10 11

此外，如果我进行此更改

nodes = root.xpath("./doc//p1/p2/p3[contains(text(),'ABC')]")

我得到

ABC ABC ABC ABC

所以看起来第二种方法能够根据 xpath 从整个文档中获取所有 <p3> 节点，这很好。为什么我的第一个查询不起作用？

如何获得所需的输出？

Answer 1

找到包含 ABC 的 p3 后，您无需爬上树 - 只需使用 preceding-sibling 前往 "sideways":

./doc//p1/p2/p3[contains(text(),'ABC')]/preceding-sibling::p3

打印 1 2 4 5 7 8 10 11.

Python lxml XPath：前面的关键字没有给出预期的结果

Python lxml XPath : preceding keyword does not give expected result

python

xml

xpath

lxml

xml-parsing