Question

考虑我的html中的

标签就像这样

<div class ="summary">
    <p>Best <a class="abch" href="/canvas">canvas</a> abcdefgh <a class="zph" href="/canvas">canvas</a>, I cycle them to garden</p>
</div>

当我这样做时

site.select('.//*[contains(@class, "summary")]/p/text()').extract()

我只得到p的文本，超链接丢失了。我想提取

的数据以及（例如上面的画布）的文本数据。

元素中可以有任意数量的标签。它们可能存在也可能不存在于

标记内。

知道如何提取整个数据。

Answer 1

我认为p之后的两个斜线对你有效。一个斜杠/仅选择子项，两个斜杠//将包含更深的元素。由于a下的文字节点不是p的直接子节点，因此未选中它们。

site.select('.//*[contains(@class, "summary")]/p//text()').extract()

更新

回答你的评论：我只能想到这样的方式：

for p in site.select('.//*[contains(@class, "summary")]/p'):
    p.select('//text()').extract()

Answer 2

评估此XPath表达式时：

string(.//*[contains(@class, "summary")]/p)

结果是一个字符串，它是 p所有文本节点后代的串联（按文档顺序）。

我想这就是你想要的。

xpath选择元素并迭代标记

2 个答案: