Python 当html标记丢失时，如何使用scrapy提取标签值列表

我目前正在处理一份带有

<b> label1 </b>
value1 <br>
<b> label2 </b>
value2 <br>
....

但我不喜欢这种通过索引匹配两个列表的节点的方法。我宁愿遍历1个列表（值或标签），并将匹配的节点作为相对xpath查询。例如：

values = section.select("text()[preceding-sibling::b/text()]"):
for value in values:
    value.select("/preceding-sibling::b/text()"):

我一直在调整这个表达式，但总是不返回匹配项

更新

我正在寻找能够容忍“噪音”的稳健方法，例如：

garbage1

标签1
值1

标签2
值2

垃圾2

标签3
值3

垃圾

编辑：很抱歉，我使用了lxml，但它在Scrapy自己的选择器中也可以使用

对于给定的特定HTML，这将起作用：

>>> s = """<b> label1 </b>
... value1 <br>
... <b> label2 </b>
... value2 <br>
... """
>>> 
>>> import lxml.html
>>> lxml.html.fromstring(s)
<Element span at 0x10fdcadd0>
>>> soup = lxml.html.fromstring(s)
>>> soup.xpath("//text()")
[' label1 ', '\nvalue1 ', ' label2 ', '\nvalue2 ']
>>> res = soup.xpath("//text()")
>>> for i in xrange(0, len(res), 2):
...     print res[i:i+2]
... 
[' label1 ', '\nvalue1 ']
[' label2 ', '\nvalue2 ']
>>> 

---

同样值得一提的是，如果要在for循环中的xpath中执行“/foo”操作，而不是“/foo”。编辑：抱歉，我使用了lxml，但它在Scrapy自己的选择器中也可以使用

对于给定的特定HTML，这将起作用：

>>> s = """<b> label1 </b>
... value1 <br>
... <b> label2 </b>
... value2 <br>
... """
>>> 
>>> import lxml.html
>>> lxml.html.fromstring(s)
<Element span at 0x10fdcadd0>
>>> soup = lxml.html.fromstring(s)
>>> soup.xpath("//text()")
[' label1 ', '\nvalue1 ', ' label2 ', '\nvalue2 ']
>>> res = soup.xpath("//text()")
>>> for i in xrange(0, len(res), 2):
...     print res[i:i+2]
... 
[' label1 ', '\nvalue1 ']
[' label2 ', '\nvalue2 ']
>>> 

---

同样值得一提的是，如果要在选定元素上循环，则要在for循环内的xpath中执行“/foo”，而不是“/foo”.

那么，您想要实现什么？找到一种稳健的方法来匹配标签和值，而不存在不匹配的风险。那么，您想要实现什么？找到一种稳健的方法来匹配标签和值，而不存在不匹配的风险。此实现与我的实现不同，但实际上并不更加稳健。请参阅问题中的更新。此实现与我的实现不同，但实际上并不更加健壮。请参见问题中的更新。

>>> s = """<b> label1 </b>
... value1 <br>
... <b> label2 </b>
... value2 <br>
... """
>>> 
>>> import lxml.html
>>> lxml.html.fromstring(s)
<Element span at 0x10fdcadd0>
>>> soup = lxml.html.fromstring(s)
>>> soup.xpath("//text()")
[' label1 ', '\nvalue1 ', ' label2 ', '\nvalue2 ']
>>> res = soup.xpath("//text()")
>>> for i in xrange(0, len(res), 2):
...     print res[i:i+2]
... 
[' label1 ', '\nvalue1 ']
[' label2 ', '\nvalue2 ']
>>> 

>>> bs = etree.xpath("//text()[preceding-sibling::b/text()]")
>>> for b in bs:
...     if b.getparent().tag == "b":
...         print [b.getparent().text, b]
... 
[' label1 ', '\nvalue1 ']
[' label2 ', '\nvalue2 ']
[' label3 ', '\nvalue3 ']