我目前正在使用 Scrapy 编写一个网络爬虫，我想使用单个 XPath 查询获取每个 HTML 文档屏幕上显示的所有文本。
这是我正在使用的 HTML:
<body>
<div>
<h1>Main title</h1>
<div>
<script>var grandson;</script>
<p>Paragraph</p>
</div>
</div>
<script>var child;</script>
</body>
如您所见，在获取 body 标记内的文本时，我想要过滤一些 script 标记
这是我的第一个 XPath 查询及其结果:
XPath:/body/*//text()
结果:主标题/var 孙子；/段落/var child;
这不好，因为它还会获取 script 标记内的文本。
这是我的第二次尝试:
XPath:/body/*[not(self::script)]//text()
结果:主标题/var 孙子；/段落
此处，最后一个 script 标记(即 body 的子级)被过滤，但内部 script 未被过滤。
如何过滤所有 script 标记？提前致谢。
最佳答案
尝试
//*[not(self::script)]/text()
关于python-2.7 - 使用 XPath 选择 HTML 文档中除脚本节点之外的每个文本节点，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/28341207/