python - HTML 抓取 XPath

Question

我正在尝试从网页中抓取一些数据...我设法提取了名称和价格，但我在这里遇到了问题...照片:http://i.imgur.com/N8p9Fj2.jpg

我想打印所有 <li></li>部分，但 <bold></bold> 涵盖的数字不露面，这是为什么呢？我确信有某种方法可以打印整个内容。

我一直这样做:原来的XPath是

//*[@id="ad-54132"]/div[2]/ul/li

我将其缩短(以便它打印所有广告，无论它们是多少，而不是只打印“54132”广告)到:

squarefeet = tree.xpath('//*/div[2]/ul/li/text()')

就像我一开始说的，它只打印不在 <bold></bold> 上的文本

Answer 1

通过使用 li/text()您只会获得作为 li 的直接子节点 的文本节点.

获取li内的所有文本节点，无论是直接子还是嵌套，都可以使用li//text() .但这将导致每个 li 有多个文本节点。你可能不想要的。

如果您想将所有文本节点连接成每个 li 的单个文本，您可以调用 XPath string()或 normalize-space()每个 li 的函数像这样的元素:

squarefeet = [li.xpath('normalize-space(.)') for li in tree.xpath('//*/div[2]/ul/li')]

normalize-space()行为就像 string()在这种情况下，如果有的话，它还会删除前导和尾随空格，并且还会用单个空格替换空格序列。