xpath获取标签内的包括所有下级标签的所有文字内容
现有html源码如下:
<div>
<ul class="1">
<li>1</li>
<li>12<a>bcd</a></li>
<li>123</li>
<li>1234</li>
</ul>
<ul class="2">
<li>2</li>
<li>22<a>efg</a></li>
<li>223</li>
<li>2234</li>
</ul>
</div>
想要获取ul class="1"下所有的文字内容，即
1
12 bcd
123
1234
可通过xpath的string()函数实现
from lxml import etree
a = """<div>
<ul class="1">
<li>1</li>
<li>12<a>bcd</a></li>
<li>123</li>
<li>1234</li>
</ul>
<ul class="2">
<li>2</li>
<li>22<a>bcd</a></li>
<li>223</li>
<li>2234</li>
</ul>
</div>
"""
b = etree.HTML(a)
c = b.xpath('string(//ul)')
print(c)
1
12bcd
123
1234
结果如上（没有去掉空白字符）,如果想要获取ul class="2"下所有的文字内容,可通过如下3种方式：
from lxml import etree
a = """<div>
<ul class="1">
<li>1</li>
<li>12<a>bcd</a></li>
<li>123</li>
<li>1234</li>
</ul>
<ul class="2">
<li>2</li>
<li>22<a>bcd</a></li>
<li>223</li>
<li>2234</li>
</ul>
</div>
"""
b = etree.HTML(a)
# c = b.xpath('string(//ul[2])')
# c = b.xpath('string(//ul[@class="2"])')
c = b.xpath('//ul')[1].xpath('string(.)')
print(c)
- 直接选取
ul的第二个children
c = b.xpath('string(//ul[2])')
- 通过
class属性定位
c = b.xpath('string(//ul[@class="2"])')
- 先获取储存所有
ul的列表，再从列表中获取第二个ul,.表示当前节点
b.xpath('//ul')[1].xpath('string(.)')
xpath中text()和string()以及data()的区别
| 名称 | 定义 | 用法 |
|---|---|---|
| text() | node test | 仅仅返回所指元素的文本内容 |
| string() | 函数 | 返回所指元素的所有节点文本内容，这些文本讲会被拼接成一个字符串 |
| data() | 函数（可保留数据类型） | 和string()函数通用,不建议经常使用，会影响XPath的性能 |
