except运算符用于求两个节点集的差集，返回第一个节点集中不在第二个节点集中的节点，语法为“节点集A except 节点集B”，适用于XPath 2.0及以上版本；在XPath 1.0中可通过[not()]谓词实现类似效果，如//p[not(@id=’p2′)]；与union（并集）和intersect（交集）共同构成XPath集合操作体系，广泛应用于网页抓取中的内容清洗与干扰元素排除。
XPath中的
except
运算符，简单来说，就是用来找出两个节点集之间独有的部分，也就是我们常说的“差集”。它会返回第一个节点集中存在，但第二个节点集中不存在的所有节点。
当我第一次接触到
except
这个操作符时，脑子里浮现的其实是数据库里SQL的
except
。它们的核心理念是相通的：从一个集合里剔除另一个集合的成员。在XPath里，这尤其有用，比如你想选定页面上所有链接，但又不包括那些指向外部网站的。或者，你可能想抓取所有段落，但要排除掉那些包含特定广告类的。
它的基本语法是：
节点集A except 节点集B
。这会返回一个全新的节点集，其中包含了所有属于
节点集A
，但却不属于
节点集B
的节点。
举个例子，假设我们有这样的HTML结构：
如果我们想选择所有
p
元素，但排除掉
id
为
p2
的那个，可以这样写：
//p except //p[@id='p2']
这个表达式会返回
这是一个段落。
。
再来一个更复杂的场景，比如我们想获取所有的
div
子元素，但又不想包含那些有
class="header"
的
div
。假设HTML是：
Header 1Content 1Header 2Content 2
XPath可以写成：
//div[@class='main']/* except //div[@class='header']
这里，
//div[@class='main']/*
会选出所有
main
类
div
下的直接子元素（包括header和普通div）。
except //div[@class='header']
则把所有
header
类的
div
从结果中剔除。最终得到的就是
Content 1
和
Content 2
。
有一点需要注意，
except
操作符是XPath 2.0及以上版本才支持的。如果你在使用XPath 1.0的环境，比如一些老旧的XML解析库，或者某些浏览器内置的XPath引擎，你可能就无法直接使用它了。这时候，我们通常需要借助其他方法，比如结合
[not()]
谓词或者在编程语言层面进行过滤。这多少有点麻烦，但也不是没有办法。
XPath 1.0环境下如何实现差集操作？
这确实是个现实问题。我之前就遇到过，在一些遗留系统里，虽然XPath 2.0已经普及很久了，但它们的底层解析器依然停留在1.0版本。这时候
except
就用不上了，你得换个思路。
最常见的替代方案是利用谓词（predicates）中的
not()
函数。它的逻辑是“选择所有满足条件A的节点，并且这些节点不满足条件B”。语法通常是：
节点集A[not(条件B)]
。
举个例子，还是刚才那个需求：选择所有
p
元素，但排除掉
id
为
p2
的。在XPath 1.0中，你可以这样写：
//p[not(@id='p2')]
这会非常精准地选出所有
p
元素中，那些
id
属性不等于
p2
的。结果和
//p except //p[@id='p2']
是完全一样的。
再看那个剔除
header
类
div
的例子：HTML:
Header 1Content 1Header 2Content 2
XPath 1.0的写法可以是：
//div[@class='main']/*[not(@class='header')]
这个表达式会先选择
class
为
main
的
div
下的所有直接子元素，然后通过
[not(@class='header')]
过滤掉那些
class
为
header
的。逻辑清晰，效果一致。
这种方式虽然不如
except
直观，因为它把“排除”的逻辑融入到了过滤条件里，但它在XPath 1.0时代是标准做法，而且效率通常也不错。理解了
not()
的用法，基本就能解决大部分差集需求了。当然，如果逻辑变得非常复杂，比如要从A中排除B和C，那
not()
的嵌套或者组合可能会变得有点冗长，这时候
except
的简洁性就体现出来了。
except
except
与
union
、
intersect
等集合操作符的区别与联系
当我们谈论
except
的时候，很难不联想到XPath里的其他集合操作符，比如
union
（联合）和
intersect
（交集）。它们都是处理节点集的利器，但各自的侧重点和应用场景大相径庭。
union
，顾名思义，就是把两个节点集的内容合并起来。它的语法是
节点集A | 节点集B
。这个操作符会返回所有在
节点集A
中或者在
节点集B
中的节点，并且会自动去重。比如说，你想选出页面上所有的
h1
和
h2
标题，你就可以写
//h1 | //h2
。它就像是SQL里的
union
或者数学里的并集。
intersect
（交集）则刚好相反，它会找出两个节点集共同拥有的节点。语法是
节点集A intersect 节点集B
。比如，你想找到所有同时具有
class="active"
和
class="selected"
的
div
元素，你可能会先选出所有
class="active"
的
div
，再选出所有
class="selected"
的
div
，然后用
intersect
找出它们的交集。在实际应用中，
intersect
用的频率可能不如
except
和
union
高，但它在需要精确匹配多个条件的场景下非常有用。
而
except
，我们已经详细讨论过了，它求的是差集，即从第一个集合中移除第二个集合共有的部分。
这三个操作符，
union
、
intersect
、
except
，共同构成了XPath 2.0强大的集合运算能力。它们让我们可以像操作数学集合一样来处理XML/HTML文档中的节点，极大地提高了XPath表达式的表达力和灵活性。我个人觉得，理解并熟练运用这些集合操作符，是掌握高级XPath技巧的关键一步。它们让原本需要多步筛选或者复杂逻辑才能实现的需求，变得一行代码就能搞定，效率提升是显而易见的。有时候，我甚至会把它们想象成数据处理管道中的不同阀门，各自完成特定的过滤或合并任务。
except
except
操作符在实际网页抓取中的应用案例
理论知识学得再好，最终还是要落到实际应用上。
except
操作符在网页抓取（Web Scraping）领域简直是神器般的存在，它能帮我们高效地剔除那些不想要的、干扰数据。
一个非常典型的场景是内容清洗。想象一下，你正在抓取一个新闻网站的文章内容。通常，文章主体会被放在一个特定的
div
或者
article
标签里。但在这个主体内容里，可能混杂着各种广告、推荐阅读、版权声明或者社交分享按钮，这些都不是你真正关心的文章文本。
假设文章内容在
里，而其中有一些广告块是
，或者图片说明是
。如果你直接抓取
//div[@id='article-body']//text()，你可能会把广告文案和图片说明也抓进来。这时候，
except就能派上用场了：
//div[@id='article-body']//*[not(self::script or self::style)] except //div[@class='ad-block'] except //figcaption这个表达式的思路是：
先选出
article-body下所有非脚本非样式的元素（
//*[not(self::script or self::style)]，这是为了避免抓取JS代码或CSS样式）。从中剔除所有
ad-block类的
div。再剔除所有
figcaption元素。这样，剩下的就是相对纯净的文章内容了。当然，你可能还需要进一步处理文本，比如去除多余的空格和换行符。
另一个例子是导航菜单的排除。你可能想抓取页面上所有的链接，但是导航菜单里的链接往往是重复的或者功能性的，你只想要正文或者侧边栏里的链接。假设导航菜单在
标签里：
//a except //nav//a这会选中页面上所有
标签，然后排除掉所有在
标签内部的
标签。是不是很简洁？
有时候，网站会有一些通用的模板元素，比如页脚（footer）或者侧边栏（sidebar），它们包含一些你不想重复抓取的信息。如果这些元素有明确的标识（ID或Class），你就可以用
except把它们从你的目标节点集中剔除。例如，抓取所有
div但排除页脚和侧边栏：
//div except //footer//div except //aside//div这些应用场景都体现了
except的强大之处：它提供了一种声明式的方式来定义“不想要什么”，而不是“只想要什么”，这在面对复杂或不规则的HTML结构时，往往能带来意想不到的便利和效率。它让我能更专注于核心数据的提取，而不是纠结于如何绕过那些干扰元素。
以上就是XPath的except运算符如何求差集？的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/1430299.html赞 (0)打赏微信扫一扫
支付宝扫一扫
微信扫一扫 
支付宝扫一扫 关于作者
相关推荐
-
CSS mask属性无法获取图片：为什么我的图片不见了？
CSS mask属性无法获取图片 在使用CSS mask属性时，可能会遇到无法获取指定照片的情况。这个问题通常表现为： 网络面板中没有请求图片：尽管CSS代码中指定了图片地址，但网络面板中却找不到图片的请求记录。 问题原因： 此问题的可能原因是浏览器的兼容性问题。某些较旧版本的浏览器可能不支持CSS…
-
如何用dom2img解决网页打印样式不显示的问题？
用dom2img解决网页打印样式不显示的问题 想将网页以所见即打印的的效果呈现，需要采取一些措施，特别是在使用了bootstrap等大量采用外部css样式的框架时。 问题根源 在常规打印操作中，浏览器通常会忽略css样式等非必要的页面元素，导致打印出的结果与网页显示效果不一致。这是因为打印机制只识别…
-
如何用 CSS 模拟不影响其他元素的链接移入效果？
如何模拟 css 中链接的移入效果 在 css 中，模拟移入到指定链接的效果尤为复杂，因为链接的移入效果不影响其他元素。要实现这种效果，最简单的方法是利用放大，例如使用 scale 或 transform 元素的 scale 属性。下面提供两种方法： scale 属性： .goods-item:ho…
-
Uniapp 中如何不拉伸不裁剪地展示图片？
灵活展示图片：如何不拉伸不裁剪 在界面设计中，常常需要以原尺寸展示用户上传的图片。本文将介绍一种在 uniapp 框架中实现该功能的简单方法。 对于不同尺寸的图片，可以采用以下处理方式： 极端宽高比：撑满屏幕宽度或高度，再等比缩放居中。非极端宽高比：居中显示，若能撑满则撑满。 然而，如果需要不拉伸不…
-
PC端H5项目如何实现适配：流式布局、响应式设计和两套样式？
PC端的适配方案及PC与H5兼顾的实现方案探讨 在开发H5项目时，常用的屏幕适配方案是postcss-pxtorem或postcss-px-to-viewport，通常基于iPhone 6标准作为设计稿。但对于PC端网项目，处理不同屏幕大小需要其他方案。 PC端屏幕适配方案 PC端屏幕适配一般采用流…
-
CSS 元素设置 10em 和 transition 后为何没有放大效果？
CSS 元素设置 10em 和 transition 后为何无放大效果？ 你尝试设置了一个 .box 类，其中包含字体大小为 10em 和过渡持续时间为 2 秒的文本。当你载入到页面时，它没有像 YouTube 视频中那样产生放大效果。 原因可能在于你将 CSS 直接写在页面中 在你的代码示例中，C…
-
如何实现类似横向U型步骤条的组件？
横向U型步骤条寻求替代品 希望找到类似横向U型步骤条的组件或 CSS 实现。 潜在解决方案 根据给出的参考图片，类似的组件有： 图片所示组件：图片提供了组件的外观，但没有提供具体的实现方式。参考链接：提供的链接指向了 SegmentFault 上的另一个问题，其中可能包含相关的讨论或解决方案建议。 …
-
如何让小说网站控制台显示乱码，同时网页内容正常显示？
如何在不影响用户界面的情况下实现控制台乱码？ 当在小说网站上下载小说时，大家可能会遇到一个问题：网站上的文本在网页内正常显示，但是在控制台中却是乱码。如何实现此类操作，从而在不影响用户界面（UI）的情况下保持控制台乱码呢？ 答案在于使用自定义字体。网站可以通过在服务器端配置自定义字体，并通过在客户端…
-
如何优化CSS Grid布局中子元素排列和宽度问题？
css grid布局中的优化问题 在使用css grid布局时可能会遇到以下问题： 问题1：无法控制box1中li的布局 box1设置了grid-template-columns: repeat(auto-fill, 20%)，这意味着容器将自动填充尽可能多的20%宽度的列。当li数量大于5时，它们…
-
SASS 中的 Mixins
mixin 是 css 预处理器提供的工具，虽然它们不是可以被理解的函数，但它们的主要用途是重用代码。 不止一次，我们需要创建多个类来执行相同的操作，但更改单个值，例如字体大小的多个类。 .fs-10 { font-size: 10px;}.fs-20 { font-size: 20px;}.fs-…
-
如何在地图上轻松创建气泡信息框？
地图上气泡信息框的巧妙生成 地图上气泡信息框是一种常用的交互功能，它简便易用，能够为用户提供额外信息。本文将探讨如何借助地图库的功能轻松创建这一功能。 利用地图库的原生功能 大多数地图库，如高德地图，都提供了现成的信息窗体和右键菜单功能。这些功能可以通过以下途径实现： 高德地图 JS API 参考文…
-
如何使用 scroll-behavior 属性实现元素scrollLeft变化时的平滑动画？
如何实现元素scrollleft变化时的平滑动画效果？ 在许多网页应用中，滚动容器的水平滚动条（scrollleft）需要频繁使用。为了让滚动动作更加自然，你希望给scrollleft的变化添加动画效果。 解决方案：scroll-behavior 属性 要实现scrollleft变化时的平滑动画效果…
-
CSS mask 属性无法加载图片：浏览器问题还是代码错误？
CSS mask 属性请求图片失败 在使用 CSS mask 属性时，您遇到了一个问题，即图片没有被请求获取。这可能是由于以下原因： 浏览器问题：某些浏览器可能在处理 mask 属性时存在 bug。尝试更新到浏览器的最新版本。代码示例中的其他信息：您提供的代码示例中还包含其他 HTML 和 CSS …
-
如何为滚动元素添加平滑过渡，使滚动条滑动时更自然流畅？
给滚动元素平滑过渡 如何在滚动条属性（scrollleft）发生改变时为元素添加平滑的过渡效果？ 解决方案：scroll-behavior 属性 为滚动容器设置 scroll-behavior 属性可以实现平滑滚动。 html 代码： click the button to slide right!…
-
如何用 CSS 实现链接移入效果？
css 中实现链接移入效果的技巧 在 css 中模拟链接的移入效果可能并不容易，因为它们不会影响周围元素。但是，有几个方法可以实现类似的效果： 1. 缩放 最简单的方法是使用 scale 属性，它会放大元素。以下是一个示例： 立即学习“前端免费学习笔记（深入）”； .goods-item:hover…
-
网页使用本地字体：为什么 CSS 代码中明明指定了“荆南麦圆体”，页面却仍然显示“微软雅黑”？
网页中使用本地字体 本文将解答如何将本地安装字体应用到网页中，避免使用 src 属性直接引入字体文件。 问题： 想要在网页上使用已安装的“荆南麦圆体”字体，但 css 代码中将其置于第一位的“font-family”属性，页面仍显示“微软雅黑”字体。 立即学习“前端免费学习笔记（深入）”； 答案： …
-
如何选择元素个数不固定的指定类名子元素？
灵活选择元素个数不固定的指定类名子元素 在网页布局中，有时需要选择特定类名的子元素，但这些元素的数量并不固定。例如，下面这段 html 代码中，activebar 和 item 元素的数量均不固定： *n *n 如果需要选择第一个 item元素，可以使用 css 选择器 :nth-child()。该…
-
如何用 CSS 实现类似卡券的缺口效果？
类似卡券的布局如何实现 想要实现类似卡券的布局，可以使用遮罩（mask）来实现缺口效果。 示例代码： .card { -webkit-mask: radial-gradient(circle at 20px, #0000 20px, red 0) -20px;} 效果： 立即学习“前端免费学习笔记（…
-
使用 SVG 如何实现自定义宽度、间距和半径的虚线边框？
使用 svg 实现自定义虚线边框 如何实现一个具有自定义宽度、间距和半径的虚线边框是一个常见的前端开发问题。传统的解决方案通常涉及使用 border-image 引入切片图片，但是这种方法存在引入外部资源、性能低下的缺点。 为了避免上述问题，可以使用 svg（可缩放矢量图形）来创建纯代码实现。一种方…
-
如何用纯代码实现自定义宽度和间距的虚线边框？
自定义宽度和间距的虚线边框 提问： 如何创建一个自定义宽度和间距的虚线边框，如下图所示： 元素宽度：8px元素高度：1px间距：2px圆角：4px 解答： 传统的解决方案通常涉及使用 border-image 引入切片的图片来实现。但是，这需要引入外部资源。本解答将提供一种纯代码的方法，使用 svg…
