lxmlxpath如何从nod获取连接文本

Question

我有一个像

<a class="someclass">
Wie
<em>Messi</em>
einen kleinen Jungen stehen lässt
</a>

如何构造XPath来获取["Wie Messi einen kleinen Jungen stehen lässt"]而不是{}？在

我用的是pythonlxml.html函数与XPath。在

尝试过的组合

1. //a/node()/text()
2. //a/descendant::*/text()
3. //a/text()

但没用。有什么解决办法吗？在

我在考虑另一种方法，在这种方法中，我以某种方式获得<a>元素的“内部html”（在上面的例子中将是"Wie <em>Messi</em> einen kleinen Jungen stehen lässt"），并从html中删除<em>标记。在

仍在尝试如何获取innerhtml（Javascript，有人吗？）从XPath。在

Answer 1

XPath是一种选择语言，因此它可以选择节点。如果输入中有单独的节点，那么您将得到一个单独节点的列表作为选择结果。在

您将需要宿主语言（在本例中是Python）的帮助来完成超出该范围的操作（例如，将文本节点合并为单个字符串）。在

您需要找到所有<a>元素并连接它们各自的文本子体。这很容易做到：

from lxml import etree

doc = etree.parse("path/to/file")

for a in doc.xpath("//a"):
    print " ".join([t.strip() for t in a.itertext()])

印刷品

^{pr2}$

---

正如paul在下面的评论中正确指出的那样，您可以使用XPath的normalize-space()，整个过程变得更加简单。在

for a in doc.xpath("//a"):
    print a.xpath("normalize-space()")

Answer 2

如果您得到<a>节点的字符串值，而不是使用text()，那么您将得到所有子节点的字符串值的串联，而不是单个文本节点。在

试着简单地使用

//a

并在宿主语言中将节点作为字符串读入。在Python中，可以使用@Tomalak提到的DOM函数来获取字符串值。在lxml中，可以使用.text_content()：

^{pr2}$

在XPath中，可以使用类型函数：

string(//a)