从给定文本中获取直接父标签

Question

我已经从网页中提取了所有非空文本，并将每段文本存储在一个列表中：

text = response.xpath('//text()[normalize-space()]').extract()

现在我想检查哪一段文本位于 H1 标记之间。给定一段文本，是否可以使用 xpath 抓取它周围的直接父标签？

我正在爬取 Scrapy 框架。

Answer 1

根据文档，您得到的是纯字符串列表，因此我假设它们不存储对从中提取的树的任何引用：

extract()

序列化并将匹配的节点作为 unicode 字符串列表返回。未引用的编码内容百分比。

https://doc.scrapy.org/en/latest/topics/selectors.html#scrapy.selector.Selector.extract

如果您只需要<h1> 包围的文本，您将不得不在您的 xpath 选择器中指定它并使用它进行查询。