如何使用scrapy仅提取每个标记的一个元素？

我正在尝试使用srapy shell中的以下命令从页面标记

中提取文本：

[w.strip() for w in response.xpath('//ul[@class="attribute-list"]/li/dl/dd/text()').extract()]

dd标记如下所示：

<dd> Edelstahl <br>gebürstet (silberfarben) </dd>

---

现在重要的是，我要么只得到第一个元素“Edelstahl”，要么同时得到两个复合元素“Edelstahl gebürstet（silberfarben）”，但在任何情况下都不能从一个dd标记中得到两个元素。如何实现这一点？

既然您的

dd

中有标记，最好使用以下内容：

from w3lib.html import remove_tags
print [remove_tags(w).strip() for w in response.xpath('//ul[@class="attribute-list"]/li/dl/dd').extract()]

它将为每个

dd

元素提供清晰的文本。

您可以使用：

[w.xpath('string()').extract_first().strip() for w in response.xpath('//ul[@class="attribute-list"]/li/dl/dd')]

---

那很有效，谢谢。然而，似乎还有另一个类似的问题。在某些情况下，它看起来像这样：然后被移除。我还需要这个“txt”作为输出。或者至少返回一个空元素。我把这个as键和as值一起拉到一个key:value存储中，然后计数就错了，因为这个被忽略了，这很奇怪。签入控制台：

>>>从w3lib.html导入删除标签>>>txt=''>>删除标签（txt）

给出

txt

。仔细检查你的逻辑。

[w.xpath('string()').extract_first().strip() for w in response.xpath('//ul[@class="attribute-list"]/li/dl/dd')]