Python XPath不是；“看见”；img元素？

以下是我的html代码：

<div style="font-size: 14px;">
    <img src="somelink.com">"TEXT"<br>

但它似乎没有将“文本”指定给storedText

编辑：我想添加一些html代码片段，它们不包含img元素，但包含我不想获取的文本

<div style="font-size: 14px;">
    "TEXT I DONT WANT"

“我不想要文本”

img

元素没有包含文本。它们是自我完善的。因此，文本实际上是上面

div

的一部分。取而代之的是抓取它的文本

换言之：

storedText = tree.xpath('//div/text()')

正如@alecxe所指出的，基于精确样式对div进行限定是一种极其脆弱的模式。但是，如果您想将该条件或其他条件添加回XPath表达式中，请随意

另外，我假设您使用的XPath实现能够适应HTML的变化？有些是，有些不是。但是那里的标记片段虽然适合HTML，但不是有效的XML。如果您的解析器/XPath组合对此很酷，那么就可以开始了。否则，你将因此而面临各种各样的悲伤

---

根据新信息更新

lxml.html

是解析库：lxml与纯XML库使用纯XPath的方式不同。相反，它是XPath和etree（ElementTree）API的结合，这是许多Python XML/HTML解析库所共有的，附带了一些自己的基本方法

因此，您不应该直接搜索

/text（）

节点。您应该使用元素特有的

text\u content（）

方法。例如：

import lxml.html

html = """
<div style="font-size: 14px;">
    <img src="somelink.com">"TEXT"<br>
"""

tree = lxml.html.document_fromstring(html)

div = tree.xpath('//div[@style="font-size: 14px;"]')[0]
storedText = div.text_content()

def gettext(elist):
    if not elist or elist is None:
        return None
    return ''.join(e.text_content() for e in elist)

storedText = gettext(tree.xpath('//div[@style="font-size: 14px;"]'))
print storedText

---

使用

gettext

，无论找到的是0、1还是多个这样的节点，都会返回一个适当的值。

方法是依赖团队图标（

img

标记）的位置，并获得以下文本同级

使用和完成代码：

印刷品：

LDLC
fnatic

Natus Vincere
Titan

HellRaisers
ALTERNATE

myXMG
Flipsid3

---

依赖元素的

style

属性看起来不太可靠。你能展示更多你正在处理的HTML代码吗？（或网站链接）。谢谢。您使用的是哪个xml包？lxml、ElementTree、beautifulsoup。。。等等。试着打印

div

元素，看看html解析器是如何构建文档的。它因包而异，但如果它的lxml的html解析器是

lxml.html.tostring（tree.xpath（'//div[@style=“font-size:14px；“]”）[0]

@alecxe此处是站点：，我只想在团队名称旁边有图片（标志）时获取团队名称。它的html正在用lxml解析

import lxml.html
import requests

url = 'http://www.hltv.org/?pageid=2'
response = requests.get(url)

tree = lxml.html.fromstring(response.content)
for item in tree.xpath('//div[@class="centerNoHeadline"]//div[@class="hotmatchbox"]//div[@class="hotmatchbox"]/div/img/following-sibling::text()'):
    print item.strip()

LDLC
fnatic

Natus Vincere
Titan

HellRaisers
ALTERNATE

myXMG
Flipsid3