xpath獲取標(biāo)簽內(nèi)的包括所有下級標(biāo)簽的所有文字內(nèi)容

現(xiàn)有html源碼如下:

<div>
    <ul class="1">
        <li>1</li>
        <li>12<a>bcd</a></li>
        <li>123</li>
        <li>1234</li>
    </ul>
    <ul class="2">
        <li>2</li>
        <li>22<a>efg</a></li>
        <li>223</li>
        <li>2234</li>
    </ul>
</div>

想要獲取ul class="1"下所有的文字內(nèi)容，即

1
12 bcd
123
1234

可通過xpath的string()函數(shù)實(shí)現(xiàn)

from lxml import etree

a = """<div>
    <ul class="1">
        <li>1</li>
        <li>12<a>bcd</a></li>
        <li>123</li>
        <li>1234</li>
    </ul>
    <ul class="2">
        <li>2</li>
        <li>22<a>bcd</a></li>
        <li>223</li>
        <li>2234</li>
    </ul>
</div>
    """
b = etree.HTML(a)
c = b.xpath('string(//ul)')
print(c)

        1
        12bcd
        123
        1234

結(jié)果如上（沒有去掉空白字符）,如果想要獲取ul class="2"下所有的文字內(nèi)容,可通過如下3種方式：

from lxml import etree

a = """<div>
    <ul class="1">
        <li>1</li>
        <li>12<a>bcd</a></li>
        <li>123</li>
        <li>1234</li>
    </ul>
    <ul class="2">
        <li>2</li>
        <li>22<a>bcd</a></li>
        <li>223</li>
        <li>2234</li>
    </ul>
</div>
    """
b = etree.HTML(a)
# c = b.xpath('string(//ul[2])')
# c = b.xpath('string(//ul[@class="2"])')
c = b.xpath('//ul')[1].xpath('string(.)')
print(c)

1. 直接選取ul的第二個(gè)children

c = b.xpath('string(//ul[2])')

2. 通過class屬性定位

c = b.xpath('string(//ul[@class="2"])')

3. 先獲取儲存所有ul的列表，再從列表中獲取第二個(gè)ul,.表示當(dāng)前節(jié)點(diǎn)

b.xpath('//ul')[1].xpath('string(.)')

xpath中text()和string()以及data()的區(qū)別

XPath中的text()和string()區(qū)別