选择 <br> 之前的所有文本答案

【问题标题】：Select all text before <br>选择 <br> 之前的所有文本
【发布时间】：2014-07-30 14:22:15
【问题描述】：

我有以下糟糕的 HTML：

<p>
    <a href="102036.pdf">102036</a> - <em>In re</em> State v. Williams <a href="#">video</a><br>
    <a href="104236.pdf">104236</a> - University of Kansas Hosp. Auth. v. Board of Wabaunsee County Comm'rs <a href="#">video</a>
</p>

我想使用 XPath 来捕获每个 </a> 之后的所有文本，所以：

Item 1: " - In re State v. Williams
Item 2: " - University of Kansas Hosp. Auth. v. Board of Wabunsee County

或者，我可以捕获所有文本，这也可以：

Item 1: "102036 - In re State v. Williams
Item 2: "104236 - University of Kansas Hosp. Auth. v. Board of Wabunsee County

我已经尝试了一段时间，但没有任何进展。我想要类似的东西：

/a/following::text()[before::br]

帮助？

【问题讨论】：

用 jquery 解决了？
@MaurizioBattaghini，这不是浏览器端，我需要用 xpath 和 lxml 来做。唉，Jquery 不是我工具包中的工具。
我的错，抱歉帮不了你

标签： html xpath

【解决方案1】：

给你，朋友：

//a//following-sibling::text() | //a//following-sibling::*[not(self::a)]/text()

【讨论】：

嗯，这很接近，但有三个结果。请参阅我正在使用的修复程序的答案。

【解决方案2】：

到目前为止，我发现的最好的事情就是简单地核对错误的<em> 节点。

所以：

elem = html.xpath('//p')[0]
etree.strip_tags(elem, 'em')

然后，使用更简洁的 html，可以使用简单的 XPath：

texts = [e.tail for e in elem.xpath('//a')]

信用到期：https://stackoverflow.com/a/8788559/64911

【讨论】：

【解决方案3】：

如果您安装了 firebug 并且正在运行 Firefox，那么对于这个和所有未来的 xpath 需求，您可以按照本教程进行操作：

http://www.wikihow.com/Find-XPath-Using-Firebug

查找页面上任何内容的 xpath 的非常简单的方法。

【讨论】：

但这可能不够灵活，需要将许多 XPath 表达式链接在一起。