如何使用 XPath 提取同一标签下的所有文本？

Question

<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 标签内没有任何内容的文本 space 并在最后将其作为一个字符串。

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())

Answer 1

您可以通过//span/span获取所有跨度。并在每个跨度中获取文本使用 text_content()。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])

Answer 2

纯 XPath 1.0 解决方案

这个 XPath，

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

将return

12345678910

根据要求为您的 HTML。

如何使用 XPath 提取同一标签下的所有文本？

How to extract all text under the same tag using XPath?

python

xml

xpath

text-extraction

web-crawler

纯 XPath 1.0 解决方案