YQL不会按文档顺序返回带有联合运算符（a | b）的xpath选择查询

Question

我对XPath的首次尝试-我正在努力寻找一个YQL选择查询的XPath条件，该条件从HTML页面依次输出不同的同级元素。 我可以获得所有单独的元素，每个元素都有其自己的顺序（所以<p1>, <p2>, <p3>和<ul1>, <ul2>, <ul3>等），但是没有遇到的顺序在源HTML文档中-例如<p1> <ul1> <ul2> <ul3> <p2> <p3> 。

我当前的“最适合”的是：

select * from html WHERE url = "URL of web page" AND xpath = "//div[@class = \\'div class\\']/p | //div[@class = \\'div class\\']/ul"

转换为XPath：

//div[@class = 'div class']/p | //div[@class = 'div class']/ul

我可以很容易地以//div[@class = 'div class']/text()文字来获取很多东西，但是后来我失去了格式。 有什么方法可以使YQL保持选定的不同元素的顺序？ 还是我只是完全误解了XPath的工作原理？

编辑：示例HTML结构：

<div class = "class">
  <p>Some text</p>
  <p>Following is a list:</p>
  <ul>
    <li>item1</li>
    <li>item2</li>
    <li>item3</li>
  </ul>
  <p>Still more text</p>
</div>

我当前的XPath代码（上面）分别返回<p>元素和<ul>元素，虽然<p>元素按顺序排列，但是无法确定<ul>元素的确切位置（它可以变化从一页到另一页）。 结果，我无法从XPath重构HTML。 如果我使用/text() ，则按从上到下的顺序返回全文，但没有格式设置（ <p>和<ul>标记将被忽略）-仅一行文本，中间没有空格各个元素。 如果<ul>标记位于<p>标记内（后代而不是同级），则不会有问题。 仅存在具有不同类型的同级元素的问题。

为了复制我所看到的行为，我使用了以下内容：

SELECT * FROM html 
   WHERE url = "http://www.smh.com.au/sport/soccer/matildas-fuming-after-ffa-rejects-paid-mater‌​nity-leave-proposal-20150911-gjkq81.html" 
   AND xpath = "//div[@class = 'articleBody']/*[self::ul or self::p]"

Answer 1

使用评论的答案进行编辑：

您可能会以XML以外的其他形式查看结果。 例如，如果您将其查看为JSON，则该格式没有预定义的地图顺序。 如果您将其视为XML，则顺序应符合预期。

---

原始答案，留作参考：

我当前的XPath代码（上面）分别返回<p>元素和<ul>元素

我相信这是yql使用的XPath引擎中的错误 。 XPath语言及其任何版本均明确指出，在将集合与联合运算符|组合后，必须按文档顺序返回元素| ，通常与它们在XML ^1中出现的顺序相同。

您可以尝试使用以下XPath来修复此错误行为，该XPath 首先选择所有子项， 然后进行过滤：

//div[@class = 'div class']/*[self::p or self::ul]

我认为它也更容易阅读。

注意：如果用双引号引起来的字符串，则不需要用\\'转义单引号。

¹ 命名空间和属性节点没有顺序，但是顺序必须稳定，也就是说，两次选择相同节点的调用将以相同顺序返回它们。