xpath 如何抓取 <div> 下所有 <p> 里的内容？

Question

比如

<p> 第一段 <span> 第二段 </span> 第三段 </p>

我想照着原格式（包含空格）不变的抓取文本内容，但是用 test 方法只能抓到 第一段三个字，该怎么做？

Answer 1

你可以这么写。

items = html.xpath('//div/p')[0] #获取<p>标签下的所有内容
item = items.xpath('string(.)') #用正则表达式匹配字符串

这样就可以获取<p>下的所有字段内容了，保留空格和换行符，那如果你想去掉换行符的话，再加一句，

 content = item.replace('\n','')