我使用的是Scrapy selector,我的HTML如下:
<p class="TweetTextSize TweetTextSize--normal js-tweet-text tweet-text" lang="pt" data-aria-label-part="0">O
<a href="/MInfraestrutura" class="twitter-atreply pretty-link js-nav" dir="ltr" data-mentioned-user-id="523331076">
<s>@</s><b>MInfraestrutura</b></a> <a href="/tarcisiogdf" class="twitter-atreply pretty-link js-nav" dir="ltr"
data-mentioned-user-id="1078618844007157761"><s>@</s><b>tarcisiogdf</b></a> prevê investimentos de R$ 30 bilhões
para ampliar a malha ferroviária do país nos próximos 6 anos. Estudo de 2018 da Fundação Dom Cabral, a malha
rodoviária é utilizada para o escoamento de 75% da produção no país. As ferrovias respondem por 5,4%.
<a href="https://twitter.com/jairbolsonaro/status/1226108292482682881"
class="twitter-timeline-link u-hidden"
data-pre-embedded="true"
dir="ltr">pic.twitter.com/wa8X7gvOOc
</a>
</p>
我想深入每一个标签并提取它的文本,忽略类“twitter timeline link u-hidden”锚内的文本。
所以我想忽略以下文本:pic.twitter.com/wa8X7gvOOc
我所尝试的:
node.xpath('//*[not(self::a[@class="twitter-timeline-link u-hidden"])]').xpath('string()').get()
结果:
'O @MInfraestrutura @tarcisiogdf prevê investimentos de R$ 30 bilhões para ampliar a malha ferroviária do país nos próximos 6 anos. Estudo de 2018 da Fundação Dom Cabral, a malha rodoviária é utilizada para o escoamento de 75% da produção no país. As ferrovias respondem por 5,4%.pic.twitter.com/wa8X7gvOOc'
期望值:
'O @MInfraestrutura @tarcisiogdf prevê investimentos de R$ 30 bilhões para ampliar a malha ferroviária do país nos próximos 6 anos. Estudo de 2018 da Fundação Dom Cabral, a malha rodoviária é utilizada para o escoamento de 75% da produção no país. As ferrovias respondem por 5,4%.'
有人知道如何使用string()
函数忽略标记吗。
或以任何其他方式排除某些节点?内具有特定标记的锚
谢谢
尝试将其更改为:
这将为您提供一个不带
pic.twitter.com/wa8X7gvOOc
的输出相关问题 更多 >
编程相关推荐