Python lxml 无法获取所有文本

Question

我正在使用 Python lxml 库来解析 HTML。 我有诸如<a> 之类的叶点，并想获取其父级的文本。 我尝试了两种方式：

1. .xpath('::parent*'),
2. .getparent().text。

from lxml.etree import HTML
text = '<p>FIRST PART<a href="THE LINK" target="_blank">LINK TEXT</a>SECOND PART</p>'

parsed = HTML(text)
parsed.xpath('//a')[0].getparent().text
parsed.xpath('//a/parent::*')[0].text

我使用这两种方法都得到了FIRST PART，但我怎样才能获得SECOND PART？

Answer 1

您可以使用元素的.itertext() 方法：

from lxml.etree import HTML

text = '<p>FIRST PART<a href="THE LINK" target="_blank">LINK TEXT</a>SECOND PART</p>'
parsed = HTML(text)

parent = parsed.xpath('//a/parent::*')[0]
text = list(parent.itertext())
print(text[0])
print(text[-1])

打印：

FIRST PART
SECOND PART