substring()函数用于从字符串中提取指定位置的子串，索引从1开始，常与substring-before()、substring-after()结合处理固定格式文本，适用于结构化字符串提取，而正则表达式更适合复杂模式匹配。
XPath的
substring()
函数，简单来说，就是用来从一个字符串里“剪”出你想要的那一部分。有时候，我们从XML或HTML里抓取到的文本，往往不是我们想要的全部，可能只是一段日期、一个ID号，或者某个特定字段。这时候，
substring()
函数就派上用场了，它能让你精确地定位并提取出目标子串。
解决方案
substring()
函数的基本语法是
substring(string, start, length)
。
string
：这是你想要操作的原始字符串。它可以是一个直接的字符串字面量，也可以是XPath表达式返回的节点文本内容（比如
text()
或某个元素的路径）。
start
：这是你想要开始提取子字符串的位置。注意，XPath的索引是从1开始的，而不是像很多编程语言那样从0开始。 这是一个常见的“坑”，很容易让人混淆。
length
：这是你想要提取的子字符串的长度。这个参数是可选的。如果你省略了它，
substring()
会从
start
位置开始，一直提取到字符串的末尾。
一些例子：
提取从某个位置开始到结尾的子串：假设我们有一个字符串 “Hello World!”，我们想提取 “World!”。
substring("Hello World!", 7)
结果是：”World!”
这里，’H’是第1位，’e’是第2位，以此类推，空格是第6位，’W’是第7位。所以从第7位开始提取，一直到字符串末尾。
提取指定长度的子串：从 “Hello World!” 中提取 “Hello”。
substring("Hello World!", 1, 5)
结果是：”Hello”
从第1位开始，提取5个字符。
结合节点文本提取：假设XML中有一个
2023-10-26
节点，我们只想提取年份 “2023”。
substring(/data/text(), 1, 4)
结果是：”2023″
或者，如果只想提取月份 “10”：
substring(/data/text(), 6, 2)
结果是：”10″
我的经验是，当你需要处理的字符串结构相对固定，或者可以通过简单的位置计算就能确定要截取的部分时，
substring()
简直是神器，直接了当。
substring()
substring()
函数在实际应用中常见的“坑”有哪些？
说实话，用
substring()
函数，最容易让人头疼的，就是那个1-based索引。我们写代码习惯了0-based，一到XPath这里就得手动加1，或者在心里默默转换一下。我就经常因为这个，第一次尝试的时候结果总是差一位。比如，我想从“ABCD”里取“BC”，如果我习惯性地写
substring("ABCD", 1, 2)
（以为A是0），结果会是“AB”。正确的应该是
substring("ABCD", 2, 2)
。这种小细节，在调试复杂XPath表达式的时候，能让你抓狂半天。
另一个需要注意的点是，如果你的
start
位置超出了字符串的长度，或者
length
参数导致提取范围超出了字符串末尾，
substring()
并不会报错。它会“尽力而为”。比如，
substring("Hello", 10)
会返回一个空字符串，因为第10位根本不存在。而
substring("Hello", 3, 10)
，虽然我们想提取10个字符，但从第3位(‘l’)开始，后面只有3个字符了，它就会返回“llo”，不会因为长度不够而抛出异常。这种“静默失败”有时候反而更麻烦，因为你可能不知道自己是不是取到了一个不完整的字符串。所以，在使用前，最好能对字符串的长度有个大致的预判，或者结合
string-length()
函数做一些边界检查。
如何利用
substring()
substring()
结合其他XPath函数实现更复杂的文本提取？
substring()
本身很直接，但它的威力在于能和XPath里其他字符串函数“组合拳”。比如，当你需要提取一个不固定位置但有明确前后标志的文本时，
substring-before()
和
substring-after()
就是它的好搭档。
举个例子，假设我们有这样的文本：
订单号: ORD-1234567890 状态: 已完成
，我们想提取订单号
ORD-1234567890
。直接用
substring()
有点难，因为订单号的长度不固定。但我们可以这样：
先用
substring-after(., '订单号: ')
得到
ORD-1234567890 状态: 已完成
。再对这个结果用
substring-before(., ' 状态:')
得到
ORD-1234567890
。
所以，完整的XPath表达式可能是：
substring-before(substring-after(/some/node/text(), '订单号: '), ' 状态:')
这看起来有点绕，但确实是解决这类问题的常用手段。再比如，如果你想从一个URL中提取域名，而这个URL的格式不总是那么规整，但你知道它总是在
//
之后，可能在第一个
/
之前。
substring-before(substring-after(., '//'), '/')
就可以尝试提取出
www.example.com
之类的部分。当然，这只是一个简化版，实际的URL解析会复杂得多。
关键在于，
substring()
提供的是一种基于位置的裁剪能力，而
substring-before()
和
substring-after()
提供的是基于内容的裁剪能力。它们结合起来，就能处理很多看起来有点棘手的文本提取任务。我个人觉得，这种链式调用，就像是在一步步地“剥洋葱”，每次都剥掉一层不需要的，直到露出核心。
substring()
substring()
函数与正则表达式相比，各自的优势和适用场景是什么？
这是一个很有意思的对比。从我的经验来看，
substring()
和正则表达式（Regex）在处理字符串方面，就像是两把不同的工具，各有各的锋利之处。
substring()
的优势与适用场景：
简洁直观： 当你需要从字符串的固定位置或已知长度处提取内容时，
substring()
无疑是最直接、最易读的方案。比如，从一个固定格式的日期字符串“YYYYMMDD”中提取年份，
substring(., 1, 4)
，一目了然。性能开销小： 相比于复杂的正则表达式引擎，
substring()
的操作通常更轻量，性能开销更小。对于大量字符串处理的场景，如果
substring()
能满足需求，它通常是更优的选择。XPath 1.0的唯一选择： 值得注意的是，XPath 1.0标准本身并不支持正则表达式。在很多老旧系统或某些特定环境中，你可能只能使用XPath 1.0。在这种情况下，
substring()
以及
substring-before()
、
substring-after()
就成了你进行字符串操作的“全部家当”。这确实是一种限制，但也迫使你更巧妙地利用这些基础函数。
正则表达式的优势与适用场景：
强大的模式匹配： 正则表达式的真正强大之处在于其模式匹配能力。当字符串的结构不固定，或者你需要根据复杂的规则（如包含数字、字母、特定符号的组合，或者可变长度的序列）来提取内容时，正则表达式是不可替代的。比如，提取所有符合邮箱格式的字符串，或者从混杂的文本中识别出电话号码。灵活性高： 正则表达式可以处理各种复杂的边界条件、重复模式，甚至可以通过捕获组（capturing groups）一次性提取出多个感兴趣的部分。XPath 2.0+支持： 幸运的是，从XPath 2.0开始，引入了对正则表达式的支持，通过
matches()
,
replace()
,
tokenize()
等函数，极大地扩展了XPath在字符串处理上的能力。这意味着在支持XPath 2.0及更高版本的环境中，你可以根据实际需求，灵活选择
substring()
或正则表达式。
总结来说：
如果你面对的是结构化、位置固定、长度可预测的字符串，或者只需要基于简单的分隔符进行截取，那么
substring()
是你的首选，它足够简单高效。
但如果你的字符串是半结构化、模式复杂、长度可变，或者需要进行复杂的校验和提取，那么正则表达式的强大功能就显得不可或缺了。在XPath 2.0+的环境下，这两种工具可以相辅相成，共同解决更广泛的字符串处理问题。我的看法是，没有绝对的好坏，只有是否适合当前任务。能用简单的方法解决，就别把问题复杂化；但遇到复杂问题，也别害怕引入更强大的工具。
以上就是XPath的substring()函数如何提取子字符串？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/1430414.html
微信扫一扫 
支付宝扫一扫 
