如何防止xpath在遇到的标签上添加逗号答案

【问题标题】：how to prevent xpath adding commas on encountered tags如何防止xpath在遇到的标签上添加逗号
【发布时间】：2014-08-15 02:24:48
【问题描述】：

如何修改以下 xpath 命令不在任何子标签上添加逗号？

xpath('/a//text()').extract()

当前输出为

C,-(,K,1,, ,K,2,)-convexity

但我想要的是：

C-(K1, K2)-convexity

页面来源的相关部分：

<a href=".."><i>C</i>-(<i>K</i><sub>1</sub>, <i>K</i><sub>2</sub>)-convexity</a>

【问题讨论】：

【解决方案1】：

您提供的 xpath 没有任何问题，它只是返回多个结果，一个列表，您需要 join() 来制作单个字符串：

>>> ''.join(response.xpath('/a//text()').extract())
u'C-(K1, K2)-convexity'

这是来自Scrapy shell。

如果这个值是scrapy.Field 值 - 最好使用Output Processors。

【讨论】：

有什么方法可以编辑这个，以便找到的多个 a 用分号分隔？现在完全没有分隔符了。
@user1892697 是的，试试';'.join(response.xpath('/a//text()').extract())。它对你有用吗？
不，这也会在 a 中添加分号，即C;-(;K;1;, ;K;2;)-convexity
@user1892697 尝试遍历 a 元素，例如：';'.join([e.xpath('string(.)')[0].extract() for e in response.xpath('/a')])
@elias 谢谢，这非常有效（输出与 todinov 的 ';'.join([re.sub('<[^<]+?>', '', x) for x in response.xpath('/a').extract()]) 相同）。

【解决方案2】：

看起来你想要做的就是在捕获'a'标签之后剥离html标签，所以我会使用正则表达式：

In [3]: import re
In [4]: [re.sub('<[^<]+?>', '', x) for x in response.xpath('/a').extract()]
Out[4]: [u'C-(K1, K2)-convexity']

请注意，extract 返回一个列表，因此我们需要列表推导，这将返回一个列表。

附：我并不是说这比 alecxe 的解决方案更好。我只是把它放在这里作为另一种选择。

【讨论】：