Html 选择前面的所有文本（<；br>；

我有以下可怕的HTML：

<p>
    <a href="102036.pdf">102036</a> - <em>In re</em> State v. Williams <a href="#">video</a><br>
    <a href="104236.pdf">104236</a> - University of Kansas Hosp. Auth. v. Board of Wabaunsee County Comm'rs <a href="#">video</a>
</p>

或者，我可以捕获所有文本，这也很好：

Item 1: "102036 - In re State v. Williams
Item 2: "104236 - University of Kansas Hosp. Auth. v. Board of Wabunsee County

我已经尝试了一段时间了，但是没有取得任何进展。我想要像这样的东西：

/a/following::text()[before::br]

---

帮助？

如果您安装了firebug并且正在运行Firefox，那么对于这一点以及所有未来的xpath需求，您只需遵循本教程即可：

查找页面上任何内容的xpath非常简单。

给你，朋友：

//a//following-sibling::text() | //a//following-sibling::*[not(self::a)]/text()

---

到目前为止，我发现最好的方法就是简单地用核弹攻击错误的

节点

因此：

然后，使用更干净的html，可以使用简单的XPath：

texts = [e.tail for e in elem.xpath('//a')]

---

归功于：

trought with jquery？@MaurizioBattaghini，这不是浏览器端，我需要使用xpath和lxml。唉，Jquery不是我工具包中的工具。我的错，对不起，我帮不了你，这很接近，但有三个结果。请参阅我的答案，了解我正在使用的修复方法。但这可能不够灵活，需要将许多XPath表达式链接在一起。

elem = html.xpath('//p')[0]
etree.strip_tags(elem, 'em')

texts = [e.tail for e in elem.xpath('//a')]