通过 XPath 获取文本，忽略标记

Question

我必须在 HTML 表格中检索文本，在单元格中，文本有时在 <div> 内，有时不在。

如何使 XPath 中的 div 成为可选？

我的实际代码：

stuff = tree.xpath("/html/body/table/tbody/tr/td[5]/div/text()")

想要的伪代码：

stuff = tree.xpath("/html/body/table/tbody/tr/td[5]/div or nothing/text()")

Answer 1

您需要td[5] 元素的string value。使用 string()：

stuff = tree.xpath("string(/html/body/table/tbody/tr/td[5])")

这将返回td[5]下方不带标记的文本。

你也可以通过normalize-space()间接获取元素的字符串值作为suggested by splash58 in the comments，如果你还想在末端修剪空白并在内部减少。