本文介绍在 XPath 2.0+ 环境下，如何准确提取紧跟某个 HTML 元素（如 <h1>）之后的所有相邻文本和嵌套元素内容，合并为连贯字符串，适用于处理无包裹标签的散落文本场景。
本文介绍在 xpath 2.0+ 环境下，如何准确提取紧跟某个 html 元素（如 `
`）之后的所有相邻文本和嵌套元素内容，合并为连贯字符串，适用于处理无包裹标签的散落文本场景。
在实际网页解析中，常遇到文本内容未被任何 HTML 标签包裹、而是以纯文本节点（text node）形式直接出现在元素之后的情况——正如示例中 <h1 id="example">text</h1> 后紧接 "My car is a "、再跟 <abbr> 元素、最后是 "that goes 100 km/h"。这类结构无法通过 //h1/following-sibling::text() 完整捕获，原因在于：
-
following-sibling::text()仅匹配同级且位于其后的纯文本节点，但 HTML 解析器通常将连续的文本片段（尤其被元素隔开时）拆分为多个独立 text 节点； -
<abbr>是一个元素节点，不属于text()轴，因此会被following-sibling::text()完全忽略； - 更关键的是：
"My car is a "和"that goes 100 km/h"实际上是两个分离的 text 节点，中间夹着<abbr>元素，因此单靠text()轴无法跨越元素获取全部内容。
✅ 正确解法（XPath 2.0+）：使用 following-sibling::node() 获取所有后续同级节点（含文本节点和元素节点），再用 string-join() 拼接，并通过 normalize-space() 清理多余空白：
<code class="xpath">normalize-space(string-join(//h1[@id='example']/following-sibling::node(), ''))</code>
? 表达式解析：
-
//h1[@id='example']/following-sibling::node()：选取<h1>后所有同级节点（包括文本节点"My car is a "、<abbr>元素、文本节点"that goes 100 km/h"）； -
string-join(..., '')：将各节点转换为字符串后无缝拼接（注意：对<abbr>节点，XPath 自动取其字符串值，即内部所有文本递归合并 →"Ferrari"）； -
normalize-space(...)：去除首尾空格，合并中间连续空白为单个空格，确保输出整洁："My car is a Ferrari that goes 100 km/h"。
⚠️ 注意事项：
- 此方案依赖 XPath 2.0 或更高版本（如 lxml 4.0+、Saxon、BaseX 支持；但原生浏览器 DOM 的
document.evaluate()仅支持 XPath 1.0，不兼容string-join和node()轴的此用法）； - 若必须兼容 XPath 1.0，需改用编程语言辅助（如 Python + lxml）分步提取：先获取所有
following-sibling::node()，再遍历.text和.tail属性拼接； - 避免误用
following::text()（会跨层级匹配所有后续文本节点，范围过大，易引入无关内容）。
? 总结：面对“裸文本 + 嵌套元素”混合结构，优先选用 following-sibling::node() + string-join() 组合，它语义清晰、表达精准，是 XPath 2.0 处理非结构化文本流的推荐范式。
