获取元素的最小XPath

Question

我正在尝试创建一个返回元素的XPATH的函数。 不幸的是，它返回绝对xpath是不够的。

我想尽可能地获得最小的xpath（或者更好 - 更“聪明”，不一定是最小的）。 例如，如果element有id，则返回xpath依赖于其id。

我希望多次使用此xpath，并且根据页面更改，绝对xpath非常容易受到攻击。

或者，如果它的父项具有id，则返回父项xpath by id和concat with /child 。

是否可以使用lxml模块或其他模块？

例如， XPath帮助程序向导扩展可以做得更好。

def _load_root(url):
    r = requests.get(url)
    r.encoding = 'utf-8'
    html = r.content
    return etree.fromstring(html, etree.HTMLParser())

def get_xpath_by_text(text,url):
    root = _load_root(url)
    e = root.xpath('.//*[contains(text(),"{}")]'.format(text))
    print root.getpath(e)

/ HTML /体/格[1] / DIV [1] / DIV [1] / DIV [2] / DIV [1] / DIV [1] / DIV [2] / DIV [2] / DIV [1] / DIV / DIV [1] / DIV [2] / DIV [2] / DIV [2] / DIV [1] / DIV [1] /表/ TR [6] / TD [2] / DIV [1]

你知道怎么做吗？

Answer 1

就我所见，你要求两个相互矛盾的事情：一个最小的XPath，以及一个对文档更改稳定的XPath。

元素的最小XPath通常类似于(//*)[134] ，但这对文档更改非常敏感。

您可以使用递归算法获取相对于具有id（）属性的最近祖先的XPath，如：

function minimalXpath(Node node) {
  if (exists(node/@id))
    then "id(" + node/@id + ")"
  else if (node is root)
    then ""
  else minimalXPath(node.getParent()) + "/" + node.getName() +
    "[" + node.getSiblingPosition() + "]"
}