如何在Python中使用lxml从html中提取除css和javascript之外的所有文本？

如何从html中提取除css和javascript之外的所有文本

我正在尝试以下代码：

r = requests.get(website)
tree = html.fromstring(r.text)
html_text = tree.xpath('//text()')

但它也从网站检索所有css和javascript内容

您可以使用该方法删除您不感兴趣的元素

tree = html.fromstring(r.text)

unwanted = tree.xpath('//script|//style')
for u in unwanted:
    u.drop_tree()

html_text = tree.xpath('//text()') 

---

那么你想排除和标记中的所有内容？@mzjn是的，没错。我想排除HTMLH中的所有内容，只提取HTMLH中的所有可读文本。在您的案例中，您如何定义可读文本，并将其翻译成程序？所有不在或？所有不在和标记中的文本