使用css选择器

Question

我正在尝试从论坛帖子中提取文本，但粗体元素会被忽略。

如何提取原始数据，例如Some text to extract bold content?目前我只获取Some text to extract ?

<blockquote class="messageText SelectQuoteContainer ugc baseHtml">
Some text to extract <b>bold content</b>?
</blockquote>

def parse_page(self, response):
    for quote in response.css('article'):
        yield {
            'text': quote.css('blockquote::text').extract()
        }

Answer 1

你的css选择器需要一个空格：

'blockquote ::text'
           ^

因为你想要在blockquote下的每个降序节点text，没有空格，它只意味着blockquote节点的文本。

Answer 2

使用*选择器选择元素内所有内部元素的文本。

''.join([ a.strip() for a in quote.css('blockquote *::text').extract() ])