リンクテキストを含むxpathでdivテキストを取得

Question

リンクテキストを含め、Tweet divのフルテキストを1つの戻り値として取得するためのxpathセレクタとは何ですか？

//*[contains(@class, 'tweet-text')][2]/text() 

上記の操作はリンクのないdivには有効ですが、ツイートにリンクが含まれている場合は最初の文字列セグメントが返されます。

Answer 1

上記のコードはリンクのないdivでうまくいきますが、ツイートにリンクが含まれていると最初の文字列セグメントが返されます。

これは、その/text()一部である - あなたは基本的にのみノードトップレベルのテキストの子に一致しています。要素内のすべてのテキストノードを一致させるには、任意のレベルで、あなたが行うことができます：ノードの「テキスト」の値を求めたときに、通常は自動的にHTMLパーサによって行わかかわら

//*[contains(@class, 'tweet-text')][2]//text() 

これはある - それらはすべてに行きます子ノードは再帰的に「テキスト」値を取得し、それらを結合します。

In [1]: from lxml.html import fromstring 

In [2]: html = """ 
    ...: <div> 
    ...:  div text here 
    ...:  <a href="https://google.com">link text</a> 
    ...: </div>""" 

In [3]: root = fromstring(html) 

In [4]: root.xpath('//div/text()') # <- No text of the a element 
Out[4]: ['\n div text here\n ', '\n'] 

In [5]: root.xpath('//div//text()') # <- We've got all the texts now 
Out[5]: ['\n div text here\n ', 'link text', '\n'] 

In [6]: root.xpath("//div")[0].text_content() # <- but this would that for us 
Out[6]: '\n div text here\n link text\n'