xpath，用于在一个字符串中获取标记下的所有内容

我想用Python编写一个XPath，以获得

li

标记的全部内容，包括

a

标记的内容

<li>
Lake 2014: 9th Biennial Lake Symposium on "
<a target="_blank" href="/events/CES_TVR_LAKE_2014_brochure_2FEb2014.pdf">Conservation of Wetland Ecosystems in Western Ghats</a>
", 13-15th November 2014
</li>

这将输出3个不同的字符串：

Lake 2014：第九届两年一度的湖泊研讨会
西高止山脉湿地生态系统的保护
“，2014年11月13日至15日。

---

如何将它们作为单个字符串获取？

最好的选择似乎是简单地使用

string（）

实现您想要实现的目标。它还从XML中删除注释。它将整个元素转换为xs:string：

//div[@class='inner_body_left']/ul/li/string()

如果由于某些与业务逻辑相关的原因，此操作不起作用，则始终可以连接字符串：

concat(//div[@class='inner_body_left']/ul/li//text())

---

Python shell会话示例：

>>> import lxml.html
>>> doc = lxml.html.fromstring("""<div class="inner_body_left">
... <ul>
... <li>
... Lake 2014: 9th Biennial Lake Symposium on "
... <a target="_blank" href="/events/CES_TVR_LAKE_2014_brochure_2FEb2014.pdf">Conservation of Wetland Ecosystems in Western Ghats</a>
... ", 13-15th November 2014
... </li>
... </ul>
... </div>""")

获取所有文本元素：

>>> doc.xpath("//div[@class='inner_body_left']/ul/li//text()") 
['\nLake 2014: 9th Biennial Lake Symposium on "\n', 'Conservation of Wetland Ecosystems in Western Ghats', '\n", 13-15th November 2014\n']
>>> doc.xpath("//div[@class='inner_body_left']/ul/li/descendant-or-self::*/text()") 
['\nLake 2014: 9th Biennial Lake Symposium on "\n', 'Conservation of Wetland Ecosystems in Western Ghats', '\n", 13-15th November 2014\n']

排除

a

元素中的文本（使用

/genderant或self::*[非（self:：a）]/

而不是

/

：

>>> doc.xpath("//div[@class='inner_body_left']/ul/li/descendant-or-self::*[not(self::a)]/text()") 
['\nLake 2014: 9th Biennial Lake Symposium on "\n', '\n", 13-15th November 2014\n']
>>> "".join(doc.xpath("//div[@class='inner_body_left']/ul/li/descendant-or-self::*[not(self::a)]/text()") )
'\nLake 2014: 9th Biennial Lake Symposium on "\n\n", 13-15th November 2014\n'
>>> 

---

更新了示例，其中有多个元素可供选择：

>>> doc = """<div class="inner_body_left">
... <ul>
... <li>
... Lake 2014: 9th Biennial Lake Symposium on "
... <a target="_blank" href="/events/CES_TVR_LAKE_2014_brochure_2FEb2014.pdf">Conservation of Wetland Ecosystems in Western Ghats</a>
... ", 13-15th November 2014
... </li>
... <li>
... Lake 2015: 10th Biennial Lake Symposium on "
... <a target="_blank" href="/events/CES_TVR_LAKE_2014_brochure_2FEb2014.pdf">Conservation of Wetland Ecosystems in Western Ghats</a>
... ", 13-15th November 2015
... </li>
... </ul>
... </div>"""
>>> root = lxml.html.fromstring(doc)
>>>
>>> import pprint
>>> pprint.pprint([element.xpath("string(.)")
...                for element in root.xpath("//div[@class='inner_body_left']/ul/li")])
['\nLake 2014: 9th Biennial Lake Symposium on "\nConservation of Wetland Ecosystems in Western Ghats\n", 13-15th November 2014\n',
 '\nLake 2015: 10th Biennial Lake Symposium on "\nConservation of Wetland Ecosystems in Western Ghats\n", 13-15th November 2015\n']
>>> pprint.pprint(["".join(element.xpath("./descendant-or-self::*[not(self::a)]/text()"))
...                for element in root.xpath("//div[@class='inner_body_left']/ul/li")]
... )
['\nLake 2014: 9th Biennial Lake Symposium on "\n\n", 13-15th November 2014\n',
 '\nLake 2015: 10th Biennial Lake Symposium on "\n\n", 13-15th November 2015\n']
>>> 

>>doc=”“”
…

…

……2014年湖泊：第九届两年一度的“湖泊研讨会”
... 
……”，2014年11月13日至15日

…

……2015年湖泊：第十届两年一度的“湖泊研讨会”
... 
……”，2015年11月13日至15日

…
... """
>>>root=lxml.html.fromstring（doc）
>>>
>>>导入pprint
>>>pprint.pprint（[element.xpath（“字符串（）”））
…对于root.xpath中的元素（“//div[@class='inner\u body\u left']/ul/li”））
['\n 2014年12月13日至15日：第九届两年一度的湖泊研讨会，主题为“\n高塔西部湿地生态系统的保护”，2014年11月13日至15日，
“\n 2015年12月13日至15日：第十届两年一度的湖泊研讨会，主题为“\n高塔西部湿地生态系统的保护”\n”
>>>pprint.pprint（[“”.join（element.xpath（“./后代或self:：*[not（self:：a）]/text（）”）
…对于root.xpath中的元素（“//div[@class='inner\u body\u left']/ul/li”）]
... )
['\n 2014年12月13日至15日：第九届“湖泊”双年展，
“\n 2015年12月13日至15日，第十届两年一度的湖泊研讨会”\n\n]
>>> 

请参见

我用过

concat(substring(//div/ul/li/text()[1],1,string-length(//div/ul/li/text()[1])-1),//div/ul/li/a/text(),substring(//div/ul/li/text()[2],2))

为了

<?xml version="1.0" encoding="UTF-8"?><div>
  <ul>
<li>
Lake 2014: 9th Biennial Lake Symposium on "
<a target="_blank" href="/events/CES_TVR_LAKE_2014_brochure_2FEb2014.pdf">Conservation of Wetland Ecosystems in Western Ghats</a>
", 13-15th November 2014
</li>
  </ul>
</div>

2014年湖泊：第九届“双年展”湖泊研讨会
“，2014年11月13日至15日

---

为了得到一行，我们必须在使用子字符串函数之前删除换行符，在使用子字符串

函数之后删除一行换行符。另外一个问题：您如何忽略

a

的文本，而忽略所有其他文本节点？为了避免“a”内容，您可以将xpath编写为//div[@class='inner\u body\u left']/ul/li/text（）“不工作”不是错误描述-什么不起作用？如果您有其他限制或更多细节，请编辑您的问题。@user3446000:如果

a

有其他同级元素，则不是。我想需要一个额外的模板，如

ul/li[not（a）]如果
li
后面有
a
元素，则
将排除整个节点集。顺便说一句，您没有发布任何python代码，可能与查看整个设置有关。@dirkk，您的意思是
字符串（//div[@class='inner\u body\u left']/ul li）
？实际上，我希望div标记下有许多节点。div标记的所有节点都具有类似的结构。因此，在本例中，string（）不起作用。其他选项给出了3个不同的字符串。我希望它作为一个字符串。请看最后一个示例，使用
“”.join（）
。此外，您可以始终使用
元素.xpath（“string（.））对于doc.xpath中的元素（“//div[@class='internal\u body\u left']]/ul/li”）
@user3446000，我用
div
元素下的多个匹配的示例更新了我的答案更新后的答案有效！但它会插入不必要的空间。我使用：title=filter（lambda name:name.strip（），title）来避免此类空格。但是，我仍然看到这里和那里很少有空格。还有什么我能做的吗？你可以试试
element.xpath（“normalizespace（.）”）
我刚刚否决了你的问题，因为你在每个新评论中都给出了一些信息。请用所有必要的信息编辑一个更有价值的问题，以便正确回答！如果你问一个问题，并期待一个有用的答案，你也应该给所有的信息，否则我严重地认为这是浪费我的时间。
concat(substring(//div/ul/li/text()[1],1,string-length(//div/ul/li/text()[1])-1),//div/ul/li/a/text(),substring(//div/ul/li/text()[2],2))

<?xml version="1.0" encoding="UTF-8"?><div>
  <ul>
<li>
Lake 2014: 9th Biennial Lake Symposium on "
<a target="_blank" href="/events/CES_TVR_LAKE_2014_brochure_2FEb2014.pdf">Conservation of Wetland Ecosystems in Western Ghats</a>
", 13-15th November 2014
</li>
  </ul>
</div>