使用 XPath 在内部属性中接收数据

Question

我想在里面获取文本div和内部属性，例如ul和li我的 html 层次结构如下所示<div>  text  <ul>     <li>text</li>     <li>text</li>     <li>text</li>  </ul></div>所以我可以使用xpath('div/text()')函数获取 div 文本，但我被困在内部属性中获取其他文本。有人可以帮助我如何正确地做到这一点。

Answer 1

使用BeautifulSoup：

from bs4 import BeautifulSoup

import urllib

test = '''<div>text_0<ul>

     <li>text_1</li>

     <li>text_2</li>

     <li>text_3</li>

  </ul>

</div>'''

soup = BeautifulSoup(test, 'html.parser')

data = soup.find_all("div")

for d in data:

    print(d.text)

输出：

text_0

text_1

text_2

text_3

使用xpath：

import lxml.html as LH

content = '''<div>text_0<ul>

     <li>text_1</li>

     <li>text_2</li>

     <li>text_3</li>

  </ul>

</div>'''

root = LH.fromstring(content)

for elem in root.xpath('//div/descendant::text()'):

    print(elem)