Python Xpath 仅从根元素获取值

Question

我正在使用 XPath 来废弃一个网页，但我在代码的一部分上遇到了问题：

<div class="description">
   here's the page description
   <span> some other text</span>
   <span> another tag </span>
</div>

我正在使用此代码从元素中获取值：

description = tree.xpath('//div[@class="description"]/text()')

我可以找到我正在寻找的正确 div，但我只想获取文本“这是页面描述”而不是内部跨度标签中的内容

任何人都知道我怎样才能只获取根节点中的文本而不获取子节点中的内容？

Answer 1

您当前使用的表达式实际上只会匹配顶级文本子节点。您可以将其包装成 normalize-space() 以清除多余的换行符和空格中的文本：

>>> from lxml.html import fromstring
>>> data = """
... <div class="description">
...    here's the page description
...    <span> some other text</span>
...    <span> another tag </span>
... </div>
... """
>>> root = fromstring(data)
>>> root.xpath('normalize-space(//div[@class="description"]/text())')
"here's the page description"

要获取包含子节点的节点的完整文本，请使用.text_content() 方法：

node = tree.xpath('//div[@class="description"]')[0]
print(node.text_content())