要提取特定元素的文本内容，可使用string()函数。对于给定html片段，提取div全部文本的方法是string(//div[@class='content'])，结果包含所有后代文本节点；若只想提取p标签内文本而不包括a标签，则使用string-join(//div[@class='content']/p/text(), ' ')。string()处理缺失节点时返回空字符串，如price元素不存在则string(//item/price)返回空字符串。处理混合内容时，string()会返回元素下所有文本节点的连接，如string(//div)返回"this is bold text and italic text."，忽略子元素标签。
XPath的string()函数会将任何类型的节点或值转换为字符串。理解其转换规则对于准确提取和处理XML/HTML数据至关重要。
将节点转换为字符串，string()函数遵循以下规则：
- 根节点和元素节点: 返回该节点下所有后代文本节点的连接。
- 属性节点: 返回属性值。
- 文本节点: 返回文本节点本身包含的文本。
- 命名空间节点: 返回命名空间URI。
- 处理指令节点: 返回处理指令的内容。
- 注释节点: 返回注释的内容。
对于非节点类型：
-
数值: 数值会转换为字符串。
NaN转换为字符串"NaN"，正无穷转换为"Infinity"，负无穷转换为"-Infinity"。数值的格式取决于XPath处理器。 -
布尔值:
true转换为"true"，false转换为"false"。 - 节点集合: 返回节点集合中第一个节点的字符串值。如果节点集合为空，则返回空字符串。
如何利用string()函数提取特定元素的文本内容？
假设你有一个HTML片段：
要提取div元素的全部文本内容，可以使用XPath表达式：string(//div[@class='content'])。这将返回一个包含所有文本内容的字符串："标题 这是段落一。 这是段落二。 链接文本"。
如果只想提取p标签内的文本内容，但不包括a标签，可以使用以下表达式：
//div[@class='content']/p/text()
这个表达式会返回一个节点集合，包含两个文本节点。 如果你想将这两个文本节点合并成一个字符串，可以使用 string-join() 函数：
string-join(//div[@class='content']/p/text(), ' ')
这将返回 "这是段落一。 这是段落二。"。
string()函数在处理缺失节点时的行为是什么？
当string()函数应用于一个不存在的节点集合（例如，XPath表达式没有匹配到任何节点）时，它会返回一个空字符串。 这种行为在编写XPath表达式时需要考虑，尤其是在处理可能存在也可能不存在的元素时。
例如，假设你有以下XML：
Item 1
如果尝试使用XPath表达式 string(//item/price) 来获取price元素的字符串值，但price元素不存在，string()函数会返回一个空字符串。 可以使用 normalize-space() 函数来进一步处理这个空字符串，以确保它完全为空。
如何使用string()函数处理包含混合内容的元素？
混合内容指的是一个元素既包含文本，又包含其他子元素。 处理混合内容时，string() 函数会返回该元素下所有文本节点的连接，包括子元素内的文本。
考虑以下HTML片段：
This is bold text and italic text.
使用 string(//div) 将返回 "This is bold text and italic text."。 string() 函数会提取所有文本节点，并忽略HTML标签。
如果需要更精细的控制，例如只提取粗体文本，可以使用 //div/b/text()。 这将返回粗体文本节点。
另外，需要注意的是，不同的XPath引擎可能对空白字符的处理方式有所不同。 有些引擎可能会保留文本节点中的空白字符，而有些引擎可能会对其进行规范化。 因此，在使用 string() 函数时，最好结合 normalize-space() 函数来去除不必要的空白字符。
