`normalize-space(text())` 和 `normalize-space(.)` 的根本区别在于 **作用对象不同、文本提取范围不同、语义含义不同**，这直接导致它们在多数真实 HTML/XML 场景中行为迥异，甚至可能返回完全不同的匹配结果。下面从底层机制逐层解释： --- ### ✅ 1. `text()` 是一个**节点集（node-set）**，而 `.` 是一个**单个节点（context node）** - `text()`： - 是 XPath 中的**轴（axis）表达式**，返回当前上下文节点的**所有直接子文本节点（text nodes）组成的节点集**； - 注意：它**不递归**，只取“第一层子文本”，跳过元素节点（如 `<b>`）、注释、处理指令等； - 若元素内有嵌套标签（如 `<span>Hi<b>!</b>There</span>`），`text()` 只返回 `"Hi"` 和 `"There"` 两个文本节点（顺序），但 `text()[1]` 才是第一个 —— 而 `text()` 本身作为未加索引的表达式，在函数参数中（如 `normalize-space(text())`）**仅取第一个文本节点**（XPath 1.0 规范规定：当节点集传给只接受字符串的函数时，自动取第一个节点并调用 `string()`）。 - `.`： - 表示当前**上下文节点本身**（即被遍历的那个 `<span>` 元素节点）； - `normalize-space(.)` 中的 `.` 会被 XPath 引擎隐式转换为字符串：调用 `string(.)`，而 `string(node)` 的定义是： > *"返回该节点的**字符串值**（string-value），即该节点所有**后代文本节点**（descendant text nodes）按文档顺序拼接后的结果。"* ✅ 简记： | 表达式 | 提取范围 | 是否递归 | 示例 `<p>A<b>B</b>C</p>` 中的结果 | |--------|----------|-----------|-----------------------------------| | `text()` | 直接子文本节点（`"A"` 和 `"C"`） | ❌ 否 | `text()[1]` → `"A"`；`text()` 传入函数 → `"A"`（仅首节点） | | `.`（配合 `normalize-space(.)`） | 所有后代文本节点（`"A"`, `"B"`, `"C"`） | ✅ 是 | `"A" + "B" + "C"` → `"ABC"` → `normalize-space("ABC")` → `"ABC"` | --- ### ✅ 2. 实际效果对比（关键！带空格/换行/嵌套的真实案例） ```html <p> Hello <em>World</em> ! </p> ``` | XPath 表达式 | 解释 | 返回值（`normalize-space(...)` 结果） | 是否能匹配 `"Hello World !"`？ | |--------------|------|----------------------------------------|------------------------------| | `normalize-space(text())` | 取第一个直接子文本节点：`"\n Hello\n "` → 归一化 → `"Hello"` | `"Hello"` | ❌ 否（丢失 `World` 和 `!`） | | `normalize-space(.)` | `string(.)` = `"Hello" + "World" + "!"`（含换行）→ `"Hello\n \nWorld\n !"` → 归一化 → `"Hello World !"` | `"Hello World !"` | ✅ 是 | > 🔍 验证代码（lxml）： ```python from lxml import etree html = '''<p> Hello <em>World</em> ! </p>''' root = etree.HTML(html) p = root.xpath('//p')[0] print(repr(p.xpath('string(.)'))) # '\n Hello\n \nWorld\n !\n' print(repr(p.xpath('normalize-space(.)'))) # 'Hello World !' print(repr(p.xpath('text()')[0].strip())) # '\n Hello' print(repr(p.xpath('normalize-space(text())'))) # 'Hello'（只取第一个 text() 节点） ``` --- ### ✅ 3. 安全性与健壮性对比 | 维度 | `normalize-space(text())` | `normalize-space(.)` | |------|----------------------------|------------------------| | ✅ 抗嵌套标签能力 | ❌ 极弱：遇 `<span>A<b>B</b>C</span>` 仅得 `"A"` | ✅ 强：自动捕获 `A+B+C` | | ✅ 抗空白结构能力 | ⚠️ 依赖文本节点位置（若首个 `text()` 是 `\n\t`，结果为空串） | ✅ 稳定：汇总全部文本再归一化 | | ✅ 可预测性 | ❌ 低：`text()` 节点数和顺序受 HTML 格式/解析器影响（如是否保留换行） | ✅ 高：`string(.)` 语义明确、规范定义、跨解析器一致 | | ✅ 推荐场景 | 仅当你**明确知道且需要第一个纯文本子节点**（如 `<label>xxx</label>` 无子标签） | ✅ **绝大多数场景首选**：模拟“用户看到的完整文本” | --- ### ✅ 4. 补充：为什么 `text()` 在函数中只取第一个？ XPath 1.0 规范（[W3C XPath 1.0