攝影：產品經理廚師：kingname

假設有這樣一段HTML代碼：

測試XPath移除功能

無關緊要的引用內容

你好啊

產品經理，

很高興認識你

。

我想把其中的 你好啊產品經理，很高興認識你提取出來。

如果我們把XPath寫成：

//div[@]/text()

運行效果如下圖所示：

這是因為 /text()只會獲取當前標簽下面的文本，不會獲取子標簽的文本。

為了解決這個問題，我們在 /text()前面再添加一根斜線：

//div[@]//text()

這樣就可以抓取這個 div標簽及其子標簽下面的所有文本。運行效果如下圖所示：

現在問題來了， 無關緊要的引用內容是我不想要的，但是卻被無差別抓取進來了。

如果能夠實現，抓取 這個 div標簽下的文本和除了 以外的所有子節點的文本就好了。

如果沒有 你好啊這三個字，那么XPath可以這樣寫：

//div[@]//*[not(@)]/text()

這里的 //*[not(@)]的意思是說，這個 div標簽下面的所有 class不為"quote"的子標簽的文本。

運行效果如下圖所示：

但比較麻煩的是， 你好啊這一句，它就是 div標簽下的文本，它不屬于任何子標簽。所以上面的XPath無法獲取到。

為了單獨直接獲取 div下面的內容，我們需要使用 |再拼接一個 XPath：

//div[@]/text() | //div[@]//*[not(@)]/text()

運行效果如下圖所示：

不過結果是一個列表，并且有很多換行符，看起來不夠清晰，于是用Python再進行清洗。最終效果如下圖所示：

總結

以上是生活随笔為你收集整理的div超出不换行_一日一技：XPath不包含应该怎么写？的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。