如何使用 XPath 提取同一标签下的所有文本？答案

【问题标题】：How to extract all text under the same tag using XPath?如何使用 XPath 提取同一标签下的所有文本？
【发布时间】：2017-07-05 01:05:49
【问题描述】：

<span rel="v:addr">
<span property="v:region">
  <a href="https://tabelog.com/en/tokyo/">
    123
  </a>
</span>
<span property="v:locality">
  <a href="https://tabelog.com/en/tokyo/A1317/A131710/rstLst/">
    456
  </a>
    <a href="https://tabelog.com/en/rstLst/">
      789
    </a>
  10
</span>
<span property="v:street-address">

</span>
</span>

我想提取 span 标签内没有任何空格的文本，并将其作为一个单独的字符串放在末尾。

我想要这个结果：

12345678910

下面是我的代码：

'AddressLocalityJap':"".join(response.xpath('normalize-space(//*[@id="anchor-rd-detail"]/section[1]/table/tbody/tr[4]/td/p[2]/span/span[2]//text()').extract())

【问题讨论】：

标签： python xml xpath web-crawler text-extraction

【解决方案1】：

您可以通过//span/span 获取所有跨度。并使用text_content() 获取每个跨度中的文本。并使用正则表达式替换所有空白字符。

import re
from lxml import html

tree = html.fromstring(html_source)

span = tree.xpath("//span/span", smart_strings=0)

text = ''.join([re.sub(r"\s+", '', item.text_content()) for item in span])

【讨论】：

【解决方案2】：

纯 XPath 1.0 解决方案

这个 XPath，

translate(string(normalize-space()), ' ', '')

会回来

12345678910

为您的 HTML，根据要求。

【讨论】：