XPathを使用してHTML要素のテキストコンテンツを取得しますか？

Question

は、このHTML私はMonitor $300とKeyboard $20を解析するXPathを使用し

<div> 
    <p> 
    <span class="abc">Monitor</span> <b>$300</b> 
    </p> 
    <a href="/add">Add to cart</a> 
</div> 
<div> 
    <p> 
    <span class="abc">Keyboard</span> $20 
    </p> 
    <a href="/add">Add to cart</a> 
</div> 

を参照してください。私は、このXPathの

//div[a[contains(., "Add to cart")]]/p/text() 

を使用する。しかし、それは、<span class="abc">Monitor</span> <b>$300</b>を選択します。私はタグを望んでいない。テキストのみを取得するには？あなたはすべての子孫テキストだけでなく、子テキスト選択したい

Answer 1

：

//div[a[contains(., "Add to cart")]]/p//text() 

はpとそこtext()の間に二重スラッシュを入力してください。

これは潜在的に多くのタグ間空白も含みますが、あなたはそれをきれいにする必要があります。使用例lxml：

>>> import lxml.etree as ET 
>>> tree = ET.fromstring('''<div> 
... <div> 
...  <p> 
...  <span class="abc">Monitor</span> <b>$300</b> 
...  </p> 
...  <a href="/add">Add to cart</a> 
... </div> 
... <div> 
...  <p> 
...  <span class="abc">Keyboard</span> $20 
...  </p> 
...  <a href="/add">Add to cart</a> 
... </div> 
... </div>''') 
>>> tree.xpath('//div[a[contains(., "Add to cart")]]/p//text()') 
['\n ', 'Monitor', ' ', '$300', '\n ', '\n ', 'Keyboard', ' $20 \n '] 
>>> res = _ 
>>> [txt for txt in (txt.strip() for txt in res) if txt] 
['Monitor', '$300', 'Keyboard', '$20']