XPath的normalize-space()函数有什么用？

normalize-space()函数在XPath中用于清理字符串中的空白字符，它会移除字符串首尾的所有空白，并将内部连续的空白字符替换为单个空格，从而提升文本数据的规范性和可处理性。在网页抓取中，该函数广泛应用于文本精确匹配、数据清洗标准化、处理动态或用户输入内容以及合并多文本节点等场景，能有效解决因多余空白导致的元素定位失败和数据不一致问题。与Python中的strip()方法相比，normalize-space()不仅能去除首尾空白，还能压缩内部连续空白，而strip()仅作用于两端，内部空白需结合split()和join()等方法处理；相较于replace()或正则表达式，normalize-space()语法更简洁高效，是XPath中专为文本清理设计的一体化解决方案。使用时需注意其仅处理空白字符、对节点集默认只处理第一个节点、与text()和.的使用差异以及潜在的调试复杂性，避免误用导致结果偏差。该函数在大多数情况下性能良好，适合在XPath表达式中直接使用以提升数据提取的准确性和效率。

normalize-space()

函数在XPath中主要用于清理字符串中的空白字符。它会移除字符串开头和结尾的所有空白（包括空格、制表符、换行符等），并将字符串内部连续的空白字符序列替换成一个单一的空格。这让文本数据变得更规范、更易于处理和比较。

解决方案

我们在处理网页内容或者XML文档时，经常会遇到文本内容带有各种“脏”空白的情况。比如，一个

<div>

标签里可能写着：

<div>     Hello     World 

<div>   Hello     World