Python 刮屑提取<；李>；内有跨度

我试图从这个html结构中提取文本：

<div class="col-6 col-lg-3">
    <span class="font-weight-bold">List of Birds</span>
        <ul class="bird-forms">
            <li>Crow <span class="color">Black</span></li>
            <li>Peacock <span class="color">Multicolored</span></li>
            <li>Dove <span class="color">Multicolored</span></li>
            <li>Sparrow <span class="color">Brown</span></li>
            <li>Goose <span class="color">Multicolored</span></li>
            <li>Ostrich <span class="color">Multicolored</span></li>
        </ul>
</div>

而不是这个：

['Crow Black', 
 'Peacock Multicolored',
 'Dove Multicolored', 
 'Sparrow Brown', 
 'Goose Multicolored',
 'Ostrich Multicolored']

['Crow',
 'Black', 
 'Peacock',
 'Multicolored', 
 'Dove', 
 'Multicolored', 
 'Sparrow', 
 'Brown',
 'Goose', 
 'Multicolored',
 'Ostrich', 
 'Multicolored']

---

我们可以单独提取细节，并在以下情况下合并它们：

   li_tags = response.xpath(".//ul[@class='bird-forms']//li/text()").extract()
    color_tags = response.xpath(".//ul[@class='bird-forms']//span[@class='color']/text()").extract()


[" ".join(entry) for entry in zip(li_tags, color_tags)]

['Crow  Black',
 'Peacock  Multicolored',
 'Dove  Multicolored',
 'Sparrow  Brown',
 'Goose  Multicolored',
 'Ostrich  Multicolored']

---

我们可以单独提取细节，并在以下情况下合并它们：

   li_tags = response.xpath(".//ul[@class='bird-forms']//li/text()").extract()
    color_tags = response.xpath(".//ul[@class='bird-forms']//span[@class='color']/text()").extract()


[" ".join(entry) for entry in zip(li_tags, color_tags)]

['Crow  Black',
 'Peacock  Multicolored',
 'Dove  Multicolored',
 'Sparrow  Brown',
 'Goose  Multicolored',
 'Ostrich  Multicolored']

---

您需要先分别选择

li

标记，然后为每个

li

标记另外选择文本：

data = []
for li_tag in response.css("ul.bird-forms li"):
    data.append(" ".join(li_tag.css("*::text").extract()))

与python列表理解相同：

data = [" ".join(x.css("*::text").extract()) for x in response.css("ul.bird-forms li")]

print(data)
# output <class 'list'>: ['Crow  Black', 'Peacock  Multicolored',
# 'Dove  Multicolored', 'Sparrow  Brown', 'Goose  Multicolored', 'Ostrich  Multicolored']

data=[“”.join（x.css（“*：：text”）.extract（））for x in response.css（“ul.bird-forms li”）]
打印（数据）
#输出：['乌鸦黑'，'孔雀五彩'，
#“斑鸠”、“麻雀棕”、“鹅斑鸠”、“鸵鸟斑鸠”]

您需要先分别选择

li

标记，然后为每个

li

标记选择文本：

data = []
for li_tag in response.css("ul.bird-forms li"):
    data.append(" ".join(li_tag.css("*::text").extract()))

与python列表理解相同：

data = [" ".join(x.css("*::text").extract()) for x in response.css("ul.bird-forms li")]

print(data)
# output <class 'list'>: ['Crow  Black', 'Peacock  Multicolored',
# 'Dove  Multicolored', 'Sparrow  Brown', 'Goose  Multicolored', 'Ostrich  Multicolored']

data=[“”.join（x.css（“*：：text”）.extract（））for x in response.css（“ul.bird-forms li”）]
打印（数据）
#输出：['乌鸦黑'，'孔雀五彩'，
#“斑鸠”、“麻雀棕”、“鹅斑鸠”、“鸵鸟斑鸠”]

只需使用XPath

string（）

：

---

只需使用XPath

string（）

：

---

我已经得到了和你一样的结果，我想要的是：

[‘乌鸦黑’、‘孔雀五彩’…]，

而不是

[‘乌鸦’、‘黑’，…]

哦，我误解了。我的宝贝我已经得到了和你一样的结果，我想要的是：

[‘乌鸦黑’、‘孔雀五彩’…]，

而不是

[‘乌鸦’、‘黑色’，…]

哦，我误解了。我的朋友，这是最好的方法！唯一的问题是输出列表混合了“单引号”和“双引号”，我甚至尝试在

bird=li.xpath（'string（.））.get（）.replace（''''，''）

上运行replace，但没有做任何更改。除此之外，它是完美的。嗯。。。我不明白你从哪里得到的报价。你能展示你的输出吗？没那么重要，我只是得到了一个如下的列表：

[‘乌鸦黑’、‘孔雀多色’、‘鸽子多色’、‘麻雀棕’、‘鹅多色’、‘鸵鸟多色’]

。有些元素使用单引号，有些元素使用双引号，但工作正常。python对此表示不满。这是最好的办法！这是最好的方法！唯一的问题是输出列表混合了“单引号”和“双引号”，我甚至尝试在

bird=li.xpath（'string（.））.get（）.replace（''''，''）

上运行replace，但没有做任何更改。除此之外，它是完美的。嗯。。。我不明白你从哪里得到的报价。你能展示你的输出吗？没那么重要，我只是得到了一个如下的列表：

[‘乌鸦黑’、‘孔雀多色’、‘鸽子多色’、‘麻雀棕’、‘鹅多色’、‘鸵鸟多色’]

。有些元素使用单引号，有些元素使用双引号，但工作正常。python对此表示不满。这是最好的办法！