// 从匹配选择的当前节点选择文档中的节点,不考虑它们的位置
上面的说明有点绕,我们拆开来理解:匹配选择的当前节点就是xpath的双斜杠之前的规则所匹配得到的节点,此时以这个节点作为根节点来找其他节点;不考虑它们的位置指的是,即使当前节点下的内容存在嵌套关系,也直接忽略,由前到后进行匹配。
看一个例子:
# 我们想要从下列HTML文档中匹配出气温的范围,如何实现?
# <div class='temp'>
# <span>20</span>
# ~
# <span>22</span>
# </div>
# 错误的写法一
# 该写法将得到一个list而非文本串
temperature = resp.xpath('//div[@class="temp"]/text()').extract()
# 错误的写法二
# 该写法将得到波浪号 '~'
temperature = resp.xpath('//div[@class="temp"]/text()').extract()[0]
# 正确的写法
# 该写法将得到 '20~22'
temperature = ''
for temp in resp.xpath('//div[@class="temp"]//text()').extract():
temperature += temp
# 上面的写法先使用//定位到当前的div节点,然后按照从前到后的顺序依次匹配文本,组成一个list
# 使用循环遍历list,组装完整的字符串