要素の文字列値を選択するのにXPathを使用しますが、<br/>を改行に置き換えますか？

Question

<br>,<br/>を新しい行として表示すると、xpath normalize-space()をhtmlで呼び出すことはできますか？ XPathバージョンは1.0です

ウェブサイトの記事を解析します。実際のHTMLコードの例：

<div id="someid"> 
    <img src="https://habrastorage.org/webt/ej/ye/hp/ejyehp08ercmqzlhzh3um6mtukm.jpeg"><br> 
    <br> 
    Организовать удаленный доступ для сотрудников — задача прикладная. Решений на рынке немало, при этом, и подводных камней достаточно. Под катом рассказ о нашем «чемодане», который раскладывается быстро и удобно за 30 минут. Просьба не воспринимать это как рекламный BS, поскольку внутри реальная инструкция по применению.<a name="habracut"></a><br> 
    <br> 
    <a href="https://www.parallels.com/ru/products/ras/remote-application-server/">Parallels Remote Application Server</a> (RAS) — это комплексное средство для доставки виртуальных приложений и рабочих столов, позволяющее работать с приложениями и данными с любого устройства, в том числе мобильного. Мы понимаем, что такие решения хочется сначала протестировать в конкретных условиях, прежде чем принимать решение о покупке.  <br> 
    <br> 
</div> 

サイトからのテキストの抽出に問題がありません。問題は、normalize-spaceが削除されていることです。すべてのタグには<br>が含まれています。その結果、長いテキスト行が1つあります。私は休憩とテキスト行が必要です。

期待される結果：

Организовать удаленный доступ для сотрудников — задача прикладная. Решений на рынке немало, при этом, и подводных камней достаточно. Под катом рассказ о нашем «чемодане», который раскладывается быстро и удобно за 30 минут. Просьба не воспринимать это как рекламный BS, поскольку внутри реальная инструкция по применению. 

Parallels Remote Application Server(RAS) — это комплексное средство для доставки виртуальных приложений и рабочих столов, позволяющее работать с приложениями и данными с любого устройства, в том числе мобильного. Мы понимаем, что такие решения хочется сначала протестировать в конкретных условиях, прежде чем принимать решение о покупке. 

Answer 1

このXPath 2.0の表現、

string-join(
for $n in (//div[@id="someid"]//node()[self::br or self::text()]) 
    return if (name($n)='br') 
      then codepoints-to-string(10) 
      else $n, '') 

は、改行を持つすべてのbrの要素を置き換える、対象divのすべてのテキストノードの子孫の列に参加します。

Answer 2

残念ながら、私はxpathでこの問題を解決していません。このソリューションはPython（Scrapyフレームワーク）に適していますが、アルゴリズムは他の言語でも同じです。

parsed_text = remove_tags(response.xpath(record['xpath_text']).extract_first()) 
text = re.sub(r'\n\s*\n', '\n\n' , parsed_text).strip()