Wie wählt man Elemente nach Text in XPath aus?

Die Auswahl von Elementen nach Text in XPath ist eine mächtige Technik, die beim Web-Scraping und der Datenextraktion aus HTML-Dokumenten zum Einsatz kommt. Diese Methode empfiehlt sich besonders dort, wo die Struktur des Dokuments unbekannt ist oder wo Elemente keine eindeutigen Attribute besitzen. XPath, eine Abfragesprache zur Auswahl von Knoten in einem XML-Dokument, bietet einen unkomplizierten Ansatz, um Elemente anhand ihres Textinhalts zu finden.

Auswahl von Elementen nach Text in XPath

Um Elemente anhand ihres Textinhalts auszuwählen, bietet XPath die Funktionen text() und contains(). Die grundlegende Syntax zum Auffinden eines Elements mit exakt passendem Textinhalt lautet:

//tagname[text()='exakter Text']

Um beispielsweise alle Elemente zu finden, die den exakten Text „Hallo Welt“ enthalten:

//p[text()='Hello World']

Webseiten enthalten allerdings oftmals dynamische Inhalte oder Text mit leichten Abweichungen, weshalb exakte Übereinstimmungen unpraktisch sind. In solchen Fällen ist die Funktion contains() von unschätzbarem Wert. Mit dieser Funktion lassen sich Elemente auswählen, die eine angegebene Teilzeichenfolge enthalten. Die Syntax lautet:

//tagname[contains(text(),'substring')]

Um also Elemente auszuwählen, welche die Teilzeichenfolge „Hallo“ enthalten:

//p[contains(text(),'Hello')]

Diese Methode ist außerordentlich flexibel und lässt sich so anpassen, dass Elemente anhand von Teiltextübereinstimmungen ausgewählt werden können, was bei dynamischen Webinhalten üblich ist.

Erweiterte Verwendung

Für komplexere Szenarien wie die Auswahl von Elementen anhand mehrerer Textbedingungen oder die Mischung von Text- und Attributbedingungen können XPath-Ausdrücke unter Verwendung logischer Operatoren wie und oder kombiniert werden:

//div[contains(text(),'Important') und @class='message']

Dies würde alle Elemente mit dem Klassenattribut „Nachricht“ auswählen, die auch den Text „Wichtig“ enthalten.