时间戳

首页 > 解决方案 > 如何加入 xpath 的结果？

xpath - 如何加入 xpath 的结果？

问题描述

我有一个选择正确“部分”文本的 xpath，但它给了我一长串项目。

结构类似于（网站不同部分的变化）

路径： RID = P.xpath('//div[contains(@class, "phml msg-body")][contains(@id, "message1")])//text()').getall()

<div>
          formatting "stuff i do want" formatting
     <br>
          formatting "more stuff i want" formatting
<div>

从我的 xpath 我得到大约 10 个条目（再次取决于网站的格式），我只想要一个。

有没有办法获得像"stuff i do want more stuff i want"我附加到列表一样的输出，并且我的列表的长度应该为 1。

我目前的外籍人士给了我

'\r\n', '\r\n', '  ', ', ' stuff i do want', '  ', '\r\n', '\r\n', '\r\n', '\r\n', '\r\n', '\r\n', '\r\n', "more stuff i want", '  ', '\r\n', '\r\n', '\r\n', '\r\n', '\r\n', '\r\n', '\r\n', '\r\n', '\r\n', '\r\n ```

标签： xpath

解决方案

我认为这是一个错字，但您)的 XPath 表达式中有一个额外的内容。它应该是 ：

//div[contains(@class, "phml msg-body")][contains(@id, "message1")]//text()

假设您使用scrappy, 来获得预期的输出，您可以使用normalize-space忽略空白节点。然后使用.join, 和.strip()删除前导和尾随空格（formatting您正在谈论的）。所以下面的表达式应该起作用：

RID = " ".join([el.get().strip() for el in response.xpath("//div[contains(@class, "phml msg-body")][contains(@id, "message1")]//text()[normalize-space()]")])

如果需要，您可以添加.replace("\r\n", "")之后.strip()进行最终清洁。

normalize-space在div元素上执行此操作的另一种方法：

RID = normalize-space(//div[contains(@class, "phml msg-body")][contains(@id, "message1")]).get()

或者使用concat（假设您的示例数据的 div 对应于您的 XPath 表达式的 div）：

RID = normalize-space(concat(//div[contains(@class, "phml msg-body")][contains(@id, "message1")]/text()[1],//div[contains(@class, "phml msg-body")][contains(@id, "message1")]/text()[2])).get()

推荐阅读