Python 匹配多个<；p>；刮痕标签

我有如下类似的

html

：

<div class="articleBody">
  <p>
    <strong>Text</strong> lorem ipsum... 
    <strong>lorem ipsum...</strong>
  </p>
  <p>lorem ipsum 
    <strong> lorem ipsum lorem ipsum</strong>
    lorem ipsum...lorem ipsum...lorem ipsum...lorem ipsum...
  </p>
</div>

但这只返回第一个

任何帮助都将不胜感激。

试一试：

for node in response.xpath('//div[@class="articleBody"]//p'):
        print node.xpath('string()').extract()

…然后您可以连接字符串或将它们添加到列表或其他任何内容，而不是像我那样打印它们

xpath 2.0还有string-join（）函数，但看起来scrapy支持xpath 1.0

更多关于字符串连接的信息，请点击此处：

尝试一下：

for node in response.xpath('//div[@class="articleBody"]//p'):
        print node.xpath('string()').extract()

…然后您可以连接字符串或将它们添加到列表或其他任何内容，而不是像我那样打印它们

xpath 2.0还有string-join（）函数，但看起来scrapy支持xpath 1.0

---

关于字符串连接的更多信息，请参见此处：

我不知道scrapy，但您应该能够使用

//div[@class=“articleBody”]/p/text（）

p.s来获取所有文本。如果您不关心p标记是否是div的直接子标记，我可能误解了“减去标记”的含义。Luciddream是正确的，或者//p而不是/p[@class=“articleBody”]。可以将所有内容转储到一个字符串中，如：'.join（response.xpath（'//div[@class=“articleBody”]/p//text（））.extract（））我不知道scrapy，但您应该能够使用

//div[@class=“articleBody”]/p/text（）

p减去标记意味着.Luciddream是正确的，或者如果您不关心p标记是否是div[@class=“articleBody”]的直接子级，则使用//p而不是/p。可以将所有内容转储到一个字符串中，如：“”.join（response.xpath（'//div[@class=“articleBody”]/p//text（））.extract（））