Python Scrapy-使用正则表达式选择xpath

我正在抓取的html部分如下所示：

<h2> <span class="headline" id="Profile">Profile</span></h2>
<ul><li> <b>Name</b> Albert Einstein
</li><li> <b>Birth Name:</b> Alberto Ein
</li><li> <b>Birthdate:</b> December 24, 1986
</li><li> <b>Birthplace:</b> <a href="/Ulm" title="Dest">Ulm</a>, Germany
</li><li> <b>Height:</b> 178cm
</li><li> <b>Blood Type:</b> A
</li></ul>

from scrapy.selector import Selector
source = '''
<h2> <span class="headline" id="Profile">Profile</span></h2>
<ul><li> <b>Name</b> Albert Einstein
</li><li> <b>Birth Name:</b> Alberto Ein
</li><li> <b>Birthdate:</b> December 24, 1986
</li><li> <b>Birthplace:</b> <a href="/Ulm" title="Dest">Ulm</a>, Germany
</li><li> <b>Height:</b> 178cm
</li><li> <b>Blood Type:</b> A
</li></ul>
'''

a_name = Selector(text=source).xpath('//ul/li//text()').extract()
all_li = ''.join(a_name).strip().split("\n")
print(all_li)

然后我检查一个_名称是否为空列表，并调用：

"".join(a_name[2:]).strip()

我这样做是为了保持一致性，因为在诞生地，我只想提取文本，不包括所有html属性。所以我会去德国的乌尔姆

问题是，当我使用contains（text（），“Name”）时，出生名的条目也匹配。在构建选择器时如何避免这种情况

使用正则表达式，我可以指定类似text（）matches^Name.*的内容，因为文本名称后面可能跟不上冒号和或空格

---

有没有办法使用正则表达式来解决此问题？

尝试提取所有元素li的文本，然后解析文本列表，如下所示：

<h2> <span class="headline" id="Profile">Profile</span></h2>
<ul><li> <b>Name</b> Albert Einstein
</li><li> <b>Birth Name:</b> Alberto Ein
</li><li> <b>Birthdate:</b> December 24, 1986
</li><li> <b>Birthplace:</b> <a href="/Ulm" title="Dest">Ulm</a>, Germany
</li><li> <b>Height:</b> 178cm
</li><li> <b>Blood Type:</b> A
</li></ul>

from scrapy.selector import Selector
source = '''
<h2> <span class="headline" id="Profile">Profile</span></h2>
<ul><li> <b>Name</b> Albert Einstein
</li><li> <b>Birth Name:</b> Alberto Ein
</li><li> <b>Birthdate:</b> December 24, 1986
</li><li> <b>Birthplace:</b> <a href="/Ulm" title="Dest">Ulm</a>, Germany
</li><li> <b>Height:</b> 178cm
</li><li> <b>Blood Type:</b> A
</li></ul>
'''

a_name = Selector(text=source).xpath('//ul/li//text()').extract()
all_li = ''.join(a_name).strip().split("\n")
print(all_li)

---

如果要使用正则表达式，可以尝试以下方法：

response.xpath('//ul/li/b[text()[re:test(., '^Name.*')]]/../descendant::text()') 

但你最好从开始就使用

response.xpath('//ul/li/b[starts-with(text(),"Name")]/../descendant::text()')

---

感谢您展示这两个选项！我还没有意识到start with function，这正是我所需要的。有没有办法使

re:test

方法不区分大小写？我似乎不知道如何使用re.IGNORECASE