使用 lxml 从 html 获取文本答案

【问题标题】：get text from html using lxml使用 lxml 从 html 获取文本
【发布时间】：2015-01-05 07:25:56
【问题描述】：

我正在尝试使用来自 lxml 的 Xpath 从该站点获取名人姓名列表，但遇到了问题。

这里是 HTML

<div class="lists">
            <dl> <dt>A</dt> <dd><a href="/people/adam_levine/" id="20608779">Adam Levine</a>    </dd>

我想得到文本 Adam Levine

我在 python 中的代码是...

celebs = tree.xpath('//dd[a]/following-sibling::node()')

但我的结果是 Element dd at 0x1084ad4c8>...

如果有人可以提供帮助，那就太好了。谢谢

【问题讨论】：

尝试在 celebs = tree.xpath() 之后添加 print(celebs.text)

标签： python html html-parsing lxml

【解决方案1】：

使用text() 提取文本，而不是following-sibling::node()，如下所示：

from lxml import etree

# your HTML is invalid, I have purposefully put the </dl> and </div> closing tags
s = '''<div class="lists">
            <dl> <dt>A</dt> <dd><a href="/people/adam_levine/" id="20608779">Adam Levine</a>    </dd></dl></div>'''

tree = etree.fromstring(s)

tree.xpath('.//dd/a/text()')
['Adam Levine']

【讨论】：