lxml XPath - 如何从节点获取连接文本

Question

我有一个像

<a class="someclass">
Wie
<em>Messi</em>
einen kleinen Jungen stehen lässt
</a>

我如何构造一个 XPath 来["Wie Messi einen kleinen Jungen stehen lässt"]代替["Wie","Messi","einen kleinen Jungen stehen lässt"]？

我在 XPath 中使用 python lxml.html 函数。

尝试组合

1. //a/node()/text()
2. //a/descendant::*/text()
3. //a/text()

但它没有帮助。任何解决方案？

我正在考虑另一种方法，我以某种方式获取<a>元素的“内部 html” （在上述情况下为"Wie <em>Messi</em> einen kleinen Jungen stehen lässt"）并<em>从 html 中删除标签。

仍在试图弄清楚如何从 XPath 获取innerhtml（Javascript，有人吗？）。

Answer 1

XPath 是一种选择语言，所以它可以做的是选择节点。如果输入中有单独的节点，那么您将获得一个单独节点的列表作为选择结果。

您将需要宿主语言（在本例中为 Python）的帮助来执行该范围之外的操作（例如，将文本节点合并为单个字符串）。

您需要找到所有<a>元素并加入它们各自的文本后代。这很容易做到：

from lxml import etree

doc = etree.parse("path/to/file")

for a in doc.xpath("//a"):
    print " ".join([t.strip() for t in a.itertext()])

印刷

梅西如何让一个小男孩站着

正如 paul 在下面的评论中正确指出的那样，您可以使用 XPath normalize-space()，整个事情变得更加简单。

for a in doc.xpath("//a"):
    print a.xpath("normalize-space()")