XPath的following-sibling轴如何选择同级？

following-sibling轴用于选择当前节点之后同父级的所有同级节点，其定位精准且仅限于兄弟节点范围内，不会涉及父级、子级或其他无关部分；与following轴不同，following-sibling仅在同级节点中向后查找，而following轴则全局查找文档中所有后续节点，范围更广；通过结合节点名称、位置、属性、文本内容及谓词条件，可实现对特定后续同级节点的精确筛选；在实际网页抓取中，虽面临结构不稳定、动态加载、同级节点混淆、性能开销及不规范html等挑战，但可通过稳定锚点、等待机制、上下文分析和组合定位等策略有效应对，从而构建可靠高效的xpath定位方案。

XPath的

following-sibling

轴用于选择当前节点之后，与当前节点共享同一父节点的所有同级节点。它是一个非常实用的定位工具，能够帮助我们精准地找到特定元素后面的兄弟姐妹们，而不会牵扯到父级、子级或文档中其他不相关的部分。

解决方案

following-sibling

轴是XPath中一个非常直接且专一的定位方式。想象一下，你站在一排并肩站立的人群中，

following-sibling

就像是你的目光只向右看，找到你身后的所有兄弟姐妹。它从当前节点的“右侧”开始，沿着文档顺序查找所有与当前节点拥有相同父节点的元素。

其基本语法是：

当前节点/following-sibling::节点测试

。
这里的“节点测试”可以是具体的元素名（如

div

、

p

），也可以是通配符

*

（表示任何元素）。

举个例子，如果你有一个HTML结构：

  
第一个段落
  一个跨度
  
第二个段落
  
一个区块
  
第三个段落

如果你当前定位在

一个跨度

这个节点上，使用

./following-sibling::*

，你将选中

第二个段落

的

、

一个区块

的

和

第三个段落

的

。

这个轴的强大之处在于它的“同级”限定。它不会跳到父节点的其他子节点，也不会深入到任何兄弟节点的内部去寻找后代。这种精确性在处理列表、表格或者任何有明确顺序的同级元素时显得尤为重要。

following-sibling

与

following

轴有何不同？

这确实是一个常让人混淆的点，因为名字听起来很像，但它们的功能范围却大相径庭。简单来说，

following-sibling

是“同级限定”的，而

following

轴则是“全局向后”的。

following-sibling

轴，就像我们刚才说的，它只关心与当前节点有同一个父节点，并且在文档顺序上位于当前节点之后的所有兄弟节点。它不会越过父级的边界，也不会钻进兄弟节点的内部去寻找后代。它非常“守规矩”，只在自己的“兄弟圈子”里找。

而

following

轴就“奔放”多了。它会选择文档中所有在当前节点之后出现的节点，无论这些节点是不是当前节点的兄弟，是不是它的后代，甚至是不是在同一个父级下。它会遍历文档中所有位于当前节点之后的位置，包括其他分支的节点，甚至其他主要部分的节点。

举个例子，假设有这样的HTML片段：

  
P1
  S1
  
P2


  
P3
  S2

如果你当前定位在

S1

这个节点：

• 使用

  ./following-sibling::*

  ，你只会选中

  P2

  。因为它是

  S1

  的同级兄弟，且位于

  S1

  之后。

• 使用

  ./following::*

  ，你将选中

  P2

  、

  、

  P3

  、

  S2

  。因为它会查找文档中所有在

  S1

  之后出现的节点，包括其同级、同级元素的后代（如果存在）、以及文档中后续的任何元素。

所以，当你明确知道目标元素就在当前元素的旁边，且是同级时，

following-sibling

是首选，它更精确，也通常更高效。当你需要查找文档中任何位于当前元素之后，但关系不那么明确的元素时，

following

轴才派上用场。

如何精确选择特定类型的后续同级节点？

仅仅使用

following-sibling::*

可能过于宽泛，很多时候我们需要更精细的控制。XPath的强大之处在于它允许你通过谓词（

[]

）来进一步筛选结果。

1. 按节点名称筛选：
   这是最常见的用法。如果你知道你想要的后续同级节点是什么类型的元素，直接指定它的标签名。
   例如：

   ./following-sibling::p

   会选择所有后续的

   同级节点。

   ./following-sibling::div

   会选择所有后续的

   同级节点。

2. 按位置筛选：
   当你需要选择第N个后续同级节点时，可以使用

   [position()]

   。
   例如：

   ./following-sibling::p[1]

   会选择当前节点之后的第一个

   同级节点。

   ./following-sibling::*[last()]

   会选择所有后续同级节点中的最后一个。

   ./following-sibling::*[position() > 1 and position() < 4]

   会选择第二个到第三个后续同级节点。

3. 按属性筛选：
   如果后续同级节点有特定的属性，你可以用

   [@attribute='value']

   来定位。
   例如：

   ./following-sibling::div[@class='info']

   会选择所有后续的

   同级节点中，

   class

   属性值为

   info

   的节点。

   ./following-sibling::p[contains(@id, 'summary')]

   会选择所有后续的

   同级节点中，

   id

   属性包含

   summary

   的节点。

4. 按文本内容筛选：
   你也可以根据同级节点的文本内容进行筛选，这在某些场景下非常有用。
   例如：

   ./following-sibling::span[contains(text(), '重要信息')]

   会选择所有后续的

   同级节点中，包含“重要信息”文本的节点。

   ./following-sibling::h2[normalize-space(.) = '产品详情']

   会选择后续的

   同级节点中，文本内容（去除首尾空白）精确为“产品详情”的节点。

5. 组合筛选条件：
   这些条件可以组合使用，以实现更复杂的定位。
   例如：

   ./following-sibling::p[@class='item' and position() = 2]

   会选择所有后续的

   同级节点中，

   class

   为

   item

   且是第二个出现的节点。

通过这些谓词的灵活运用，

following-sibling

轴的定位能力得到了极大的增强，能够帮助我们从复杂的HTML结构中精确地提取所需信息。

following-sibling

轴在实际网页抓取中可能遇到哪些挑战？

尽管

following-sibling

轴非常强大且精准，但在实际的网页抓取或自动化过程中，它也并非万无一失，会遇到一些挑战。理解这些挑战有助于我们构建更健壮、更适应变化的抓取策略。

1. 网页结构的不稳定性： 这是最常见的挑战。很多网站，特别是那些频繁更新或由内容管理系统驱动的网站，其HTML结构可能会在不经意间发生变化。一个原本位于特定元素之后的兄弟节点，可能因为新元素的插入、旧元素的移除，或者只是顺序的调整，导致你依赖的

   following-sibling

   路径失效。

   • 应对思路： 尽量寻找更稳定的定位点（如带有唯一ID或稳定class的父节点），然后从该稳定点出发，结合

     following-sibling

     以及其他轴（如

     ./*

     或

     ./div[2]

     ）进行相对定位。或者，考虑使用多个备用XPath路径。

2. 动态加载内容： 现代网页大量使用JavaScript进行内容渲染和异步加载。你期望通过

   following-sibling

   定位的元素，可能在初始页面加载时并不存在于DOM中，而是通过AJAX请求或用户交互后才动态添加。此时，如果你的抓取器在内容完全加载之前就尝试查找，就会失败。

   • 应对思路： 使用Selenium、Playwright等工具，它们能模拟浏览器行为，并提供等待机制（如

     WebDriverWait

     ），等待特定元素出现或特定条件满足后再执行XPath查询。

3. 混淆的同级节点： 有时，一个元素后面可能会跟着很多同类型但语义不同的同级节点，或者这些节点之间没有明显的属性或文本差异来区分。例如，一系列没有独特class或id的

   或

   。

   • 应对思路： 这时候就需要结合上下文，可能需要回溯到它们的共同父节点，然后通过更复杂的谓词（如

     [contains(., '关键字')]

     、

     [not(@class)]

     ）来区分。或者，如果可能，尝试寻找一个更独特的“锚点”元素，从它开始定位。

4. 性能考虑： 在非常庞大和复杂的HTML文档中，如果

   following-sibling

   轴的起始点位于文档较靠前的位置，并且后面跟着大量的同级节点，那么解析和遍历这些节点可能会带来一定的性能开销。虽然通常情况下这不是主要瓶颈，但在大规模抓取时也值得注意。

   • 应对思路： 尽量缩小搜索范围，从更具体的父节点或祖先节点开始，减少不必要的遍历。例如，如果目标元素在一个特定的

     div

     内部，先定位到那个

     div

     ，再在该

     div

     的上下文中进行

     following-sibling

     查找。

5. 不规范的HTML结构： 某些网站的HTML可能不完全符合标准，或者存在一些结构上的“怪癖”。例如，本应是兄弟关系的元素，由于开发者疏忽，可能被错误地嵌套在另一个不相关的元素内部，导致

   following-sibling

   无法找到它们。

   • 应对思路： 这时候可能需要更灵活的策略，比如使用

     following::

     轴（如果目标在文档后面任何位置都行），或者回退到CSS选择器，甚至结合正则表达式来处理一些非常规的文本内容匹配。

总的来说，

following-sibling

是一个极其有用的工具，但它并非万能。在实际应用中，我们需要结合对网页结构的理解、对动态内容的感知，以及与其他XPath轴或定位方法的灵活组合，才能构建出稳定且高效的网页数据抓取解决方案。

以上就是XPath的following-sibling轴如何选择同级？的详细内容，更多请关注骃骐网【www.myinqi.com】。