Python 如何使用xpath排除某些元素？

因此，我正在进行一个粗略的项目，我想使用XPath捕获以下HTML片段：

<table id='foobar'>
    <tr>
        <td><p>....</td>
        <td><div>...</div></td>
    </tr>
    <tr>
        <td><script type='text/javascript'>...</script></td>
        <td><p>.....<br></td>
    </tr>
    <tr>
        <td><div><p>.....</div></td>
        <td><script type='text/javascript'>...</script></td>
    </tr>
    <!--repeat for another 250 or so rows-->
</table>

但这并不排除脚本标记，所以我将其更改为

//table[contains(@id, 'foobar')]//script/*[following-sibling::* and preceding-sibling::*]

认为这会奏效，但是。这可以在xpath中实现吗？还是我最好从表中获取所有内容，迭代内容，删除其中包含“text/javascript”的内容

使用

/*[not（self:：script）]

可以排除带有

标记的所有子节点

from lxml import etree

# you have invalid closing tags which I have fixed on my string
s = '''
<table id='foobar'>
    <tr>
        <td><p>....</p></td>
        <td><div>...</div></td>
    </tr>
    <tr>
        <td><script type='text/javascript'>...</script></td>
        <td><p>.....<br /></p></td>
    </tr>
    <tr>
        <td><div><p>.....</p></div></td>
        <td><script type='text/javascript'>...</script></td>
    </tr>
    <!--repeat for another 250 or so rows-->
</table>
'''

tree = etree.fromstring(s)

for each in tree.xpath("//table[contains(@id, 'foobar')]//*[not(self::script)]"):
    print each.tag

tr
td
p
td
div
tr
td
td
p
br
tr
td
div
p
td

从lxml导入etree
#您的结束标记无效，我已将其固定在字符串上
s='''

...
...
..…


...
'''
tree=etree.fromstring
对于tree.xpath（//table[contains（@id，'foobar'）]//*[not（self:：script）]）中的每个文件：
打印每个.tag
tr
运输署
P
运输署
div
tr
运输署
运输署
P
溴
tr
运输署
div
P
运输署

因为您使用的是

Scrapy

，所以您可以使用xpath（不包括脚本标记）精确地提取表中的项目，而无需获取所有内容。但是，如果项目规模较小，那么先把所有事情做好也不是一个坏主意。

from lxml import etree

# you have invalid closing tags which I have fixed on my string
s = '''
<table id='foobar'>
    <tr>
        <td><p>....</p></td>
        <td><div>...</div></td>
    </tr>
    <tr>
        <td><script type='text/javascript'>...</script></td>
        <td><p>.....<br /></p></td>
    </tr>
    <tr>
        <td><div><p>.....</p></div></td>
        <td><script type='text/javascript'>...</script></td>
    </tr>
    <!--repeat for another 250 or so rows-->
</table>
'''

tree = etree.fromstring(s)

for each in tree.xpath("//table[contains(@id, 'foobar')]//*[not(self::script)]"):
    print each.tag

tr
td
p
td
div
tr
td
td
p
br
tr
td
div
p
td