web-dev-qa-db-fra.com

Obtenir le contenu texte d'un élément HTML à l'aide de XPath?

Voir ce html

<div>
    <p>
    <span class="abc">Monitor</span> <b>$300</b>
    </p>
    <a href="/add">Add to cart</a>
</div>
<div>
    <p>
    <span class="abc">Keyboard</span> $20 
    </p>
    <a href="/add">Add to cart</a>
</div>

En utilisant xpath, je veux analyser Monitor $300 et Keyboard $20. J'utilise ce xpath

 //div[a[contains(., "Add to cart")]]/p/text()

Mais il sélectionne <span class="abc">Monitor</span> <b>$300</b>. Je ne veux pas de balises. Comment obtenir uniquement le texte?

htmlxmlxpathhtml-parsing
19
Genghis Khan

Vous voulez sélectionner tout le texte descendant, pas seulement le texte enfant:

//div[a[contains(., "Add to cart")]]/p//text()

Notez la double barre oblique entre p et text().

Cependant, cela comprendra également beaucoup d'espaces blancs inter-balises, vous devrez les nettoyer. Exemple utilisant lxml:

>>> import lxml.etree as ET
>>> tree = ET.fromstring('''<div>
... <div>
...     <p>
...     <span class="abc">Monitor</span> <b>$300</b>
...     </p>
...     <a href="/add">Add to cart</a>
... </div>
... <div>
...     <p>
...     <span class="abc">Keyboard</span> $20 
...     </p>
...     <a href="/add">Add to cart</a>
... </div>
... </div>''')
>>> tree.xpath('//div[a[contains(., "Add to cart")]]/p//text()')
['\n    ', 'Monitor', ' ', '$300', '\n    ', '\n    ', 'Keyboard', ' $20 \n    ']
>>> res = _
>>> [txt for txt in (txt.strip() for txt in res) if txt]
['Monitor', '$300', 'Keyboard', '$20']
27
Martijn Pieters