Question

考虑xml结构，如下所示

<p class="long">
  <i>Malicious</i>
  " is the adjective based on the noun "
  <i>malice</i>
  ", which means the desire to harm others. Both words come from the latin word "
</p>

我想选择<p>标记内的所有文字。我试过

examples = tree.xpath('//p[@class="long"]/text()')

但是，由于某种原因，<i>标记之间的所有文本都会被忽略。

提取<p>标记内的所有文本的正确方法是什么，无论它是否也包含在其他嵌套标记中？

Answer 1

除非您有非常特殊的要求，否则请避免使用text（） - 正是出于这个原因。您可能对p元素的字符串值感兴趣，而不是对其子文本和元素节点感兴趣。具体如何选择这取决于环境（你的XPath API是否允许返回一个字符串而不是一个节点集？它是否支持XPath 2.0？你的路径表达式是否选择了多个＆＃34; p＆＃34;元素？可以你只需返回p元素，然后在主机应用程序中获取它的字符串值吗？）

Answer 2

尝试

examples=tree.xpath('//p[@class="long"]//text()')

（使用text()之前的双斜杠，它也匹配非直接子节点的节点）

如何匹配嵌套的斜体字体标签与Xpath？

2 个答案: