Python 如何使用lxml仅检索可见节点文本

如何使用Python包检索节点中的可见文本（不包括任何子节点或隐藏元素）

---

我在文档中只能找到node.text\u content（），但所做的只是去掉html标记，返回所有深度的所有文本，而不管可见性如何。我还尝试了

node.text

，但似乎对所有节点都不返回任何值。

您可以使用xpath提取所需的文本。 因为您只需要可见文本，所以将

/text（）

放在xpath中

例如，如果我需要摘录你的第二段：

import requests
from lxml import etree
r = requests.get("https://stackoverflow.com/questions/32029681/how-to-retrieve-only-visible-node-text-with-lxml")
html = etree.HTML(r.text)
list_of_text = html.xpath('//*[@id="question"]/div[2]/div[2]/div[1]/p//text()') #xpath copied from browser
''.join(list_of_text)

您将获得：

'How do you use the Python package lxml to retrieve visible text in a node, excluding any child nodes or hidden elements?All I can find in the docs is node.text_content(), but all that does is strip out html tags, returning all text at all depths regardless of visibility. I also tried node.text, but that seems to just return None for all nodes.'

---

请注意，

//text（）

与

/text（）

稍有不同，它将选择父节点到最后一个子节点之间的任何节点。

您所说的“可见性”是什么意思？CSS？那不是

lxml

的域，

lxml

只是一个XML/（X）HTML解析器stackower@LukasGraf当然是。它包括cssselect和xpath支持。CSS不是魔法。只是文字。我应该能够在所有深度和不同类型的类和样式下搜索文本…但是他们的文档只告诉你如何找到全部或全部。但我很乐意找到一种在特定节点上查找文本的方法。@Cerin不，事实并非如此。XPath与CSS无关。cssselect只是CSS规范的一小部分，只是选择器——这只是一个将CSS选择器转换为XPath的方便模块。拥有一个成熟的CSS解析器甚至不足以确定节点可见性。您需要一个实际的CSS布局引擎，该引擎考虑继承和选择器的特殊性来确定节点的计算样式。至于元素文本，问题非常清楚：“两个属性

.text

和

.tail

足以表示XML文档中的任何文本内容。”。因此，为了从节点中提取平面（非递归）文本内容，类似于

u'。join（[node.text]+[c.tail for c in node.iterchildren（）]）

就足够了。