用 xpath 获取 p 标签所有文本内容， a 标签内容处理问题

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

这是一个创建于 2777 天前的主题，其中的信息可能已经有所发展或是发生改变。

完整链接： http://cn.nytimes.com/business/20170330/china-walt-disney-fake/

欲处理文本

<p class="paragraph">该公司表示，<a rel="nofollow" target="_blank" 

href="http://www.thepaper.cn/newsDetail_forward_1625731">今年 2 月</a>

，中国新闻网站澎湃报道称，孟德楷已与中国的几个城市签署项目协议，迪士尼因此展开调查。</p>

xpath 语法

//*[@id="content"]/p/text() | //*[@id="content"]/p/a/text()

得到的结果是 list ：


['该公司表示，',
'今年 2 月',
'，中国新闻网站澎湃报道称，孟德楷已与中国的几个城市签署项目协议，迪士尼因此展开调查。']

但我想要的结果是：

['该公司表示，今年 2 月，中国新闻网站澎湃报道称，孟德楷已与中国的几个城市签署项目协议，迪士尼因此展开调查。']

查来半天没找到解决的办法，无奈做回伸手党，各位有什么高见呢？

PS ：要用 xpath 语法完成，不是获取结束后，再用代码处理成一个元素

xpath

孟德楷

澎湃

Text

7 条回复 • 2017-04-08 14:17:38 +08:00

starvedcat

2017-04-02 16:18:50 +08:00

//*[@id="content"]/p[a]/string-join(text())

starvedcat

2017-04-02 16:19:32 +08:00

我也是刚 google 的，这个网页好像有点用处： https://www.w3.org/TR/xpath-functions/

zyqf

2017-04-02 16:53:48 +08:00

@starvedcat 表达式无效唉

lxml.etree.XPathEvalError: Invalid expression

starvedcat

2017-04-02 16:58:41 +08:00

@zyqf 这我就不知道了。。。我是在 http://www.freeformatter.com/xpath-tester.html 这里测试通过的

zyqf

2017-04-02 18:16:44 +08:00

@starvedcat 不管怎么样，得到了一种新思路，谢谢你～

SoloCompany

2017-04-03 00:22:54 +08:00

可能你对 xpath 的行为理解有点错误吧
正确的表达式一个就足够了 //*[@id="content"]/p
如果你 select 的标的是 nodelist 那么得到的是所有 p 标签
如果你 select 的标的是 string （默认），就已经是所有文本 join 之后的结果
所以你应该修正你的 select 标的

zyqf

2017-04-08 14:17:38 +08:00 via Android

@SoloCompany 感谢您，现在才看到。上次已经解决了，直接用

//*[@id="content"]/p//text()
就好了。