如何防止xpath在遇到的标记上添加逗号

Question

如何修改以下xpath命令，不在任何子标记上添加逗号？

xpath('/a//text()').extract()

当前输出

C,-(,K,1,, ,K,2,)-convexity

但我想要的是：

C-(K1, K2)-convexity

页面来源的相关部分：

<a href=".."><i>C</i>-(<i>K</i><sub>1</sub>, <i>K</i><sub>2</sub>)-convexity</a>

Answer 1

您提供的xpath没有任何问题，它只返回多个结果，一个列表，您需要join()来制作单个字符串：

>>> ''.join(response.xpath('/a//text()').extract())
u'C-(K1, K2)-convexity'

这是Scrapy shell。

---

如果此值为scrapy.Field值，则最好使用Output Processors。

Answer 2

看起来你想要做的就是在捕捉到＆＃39; a＆＃39;之后删除html标签。标签，所以我使用正则表达式：

In [3]: import re
In [4]: [re.sub('<[^<]+?>', '', x) for x in response.xpath('/a').extract()]
Out[4]: [u'C-(K1, K2)-convexity']

请注意，extract会返回一个列表，因此我们需要列表理解，这将返回一个列表。

P.S。我并不是说这是比alecxe更好的解决方案。我只是把它作为另一种选择。