提取多个节点，这些节点具有共同文本特征，怎么写xpath语句？

现有一个网页pdf文档，其内容是“主要产品和服务项目：电子产品。经营状况：良好。"我需要把“主要产品和服务项目：”和“经营状况：”之间的文本内容提取出来。应该怎么写xpath语句。谢谢。

你要把主题名或者样本网址贴出来，然后截图说明下我们才知道网页结构是怎样的啊。

举个例子，假设你发的这段文本是某div节点（@class='xxx'）下的text()，要把“主要产品和服务项目：”和“经营状况：”之间的文本内容提取出来，那么xpath可以这么写：

1. substring-before(substring-after(//*[@class='xxx']/text(),'主要产品和服务项目：'),'经营状况：')

复制代码

前提是PDF的这段文本是可以抓取下来的，你可以参看这个帖子：《xpath使用substring-before()和substring-after()遇到的问题》

这个pdf是可以抓取下来的，每一页是一个div节点。页下面的每一段话或者每一个词语也是一个子div节点。
样本网址：网页pdf

xandy 发表于 2017-3-1 16:19
举个例子，假设你发的这段文本是某div节点（@class='xxx'）下的text()，要把“主要产品和服务项目：”和“ ...

这个pdf是可以抓取下来的，每一页是一个div节点。页下面的每一段话或者每一个词语也是一个子div节点。 样本网址：http://www.neeq.com.cn/disclosure/2016/2016-08-11/1470901305_691460.pdf

sagehxq 发表于 2017-3-1 16:50

你对照教程修改下xpath，上面的只是举例说明，不要直接复制进去用。

pdf的div很特别，可能会把文本拆分到多个div中，自定义xpath不容易写，建议定义一个通用的规则，把整篇文挡的文本都采集下来，用另外的程序匹配其中的内容

Fuller 发表于 2017-3-1 22:22
pdf的div很特别，可能会把文本拆分到多个div中，自定义xpath不容易写，建议定义一个通用的规则，把整篇文挡 ...

但是，我需要提取的文本有个很显然的特征就是前后的文本内容固定，所以你看能不能利用这点。如果把所有文本抓下来，主要问题在于文本太多，有好几百页！

sagehxq 发表于 2017-3-1 23:46
但是，我需要提取的文本有个很显然的特征就是前后的文本内容固定，所以你看能不能利用这点。如果把所有文 ...

组合使用substring-after()和substring-before()能把文本内容切出来，也可以作为判断条件进行定位

Fuller 发表于 2017-3-2 09:05
组合使用substring-after()和substring-before()能把文本内容切出来，也可以作为判断条件进行定位
...

望大神指教，我试了试，就是没搞明白