xpath获取标签内的包括所有下级标签的所有文字内容

xpath获取标签内的包括所有下级标签的所有文字内容

现有html源码如下:

<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>

想要获取ul class="1"下所有的文字内容，即

1
12 bcd
123
1234

可通过xpath的string()函数实现

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

结果如上（没有去掉空白字符）,如果想要获取ul class="2"下所有的文字内容,可通过如下3种方式：

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. 直接选取ul的第二个children

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

2. 通过class属性定位

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

3. 先获取储存所有ul的列表，再从列表中获取第二个ul,.表示当前节点

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

xpath中text()和string()以及data()的区别

XPath中的text()和string()区别