怎样才能一次性提取多层嵌套标签的所有文本,而不是通过循环判断来进行拼接呢。详细如下:
假如页面如下:
<p id='test'>hello<b>world!</b></p>
我要的提取结果是:helloworld!
这里就需要注意text()的使用了:
首先设置sel = Selector(text=doc, type='html')
#如果text()前面使用一个反斜杠:sel.xpath("//p[@id='test']/text()").extract()
得到的结果是:[u'hello']
#如果text()前面使用两个反斜杠:sel.xpath("//p[@id='test']//text()").extract()
这样提取出来的是一个列表,得到的结果是:[u'hello', u'world!']
然后再将列表循环拼接即可得到想要的结果:helloworld!。
转自:http://www.cnblogs.com/qlshine/p/5926101.html