Ottieni il contenuto di testo di un elemento HTML usando XPath?

Question

Vai a questa 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> 

Utilizzando XPath voglio analizzare Monitor $300 e Keyboard $20. Io uso questo XPath

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

Ma seleziona <span class="abc">Monitor</span> <b>$300</b>. Non voglio i tag. Come ottengo solo il testo?

Answer 1

si desidera selezionare tutti discendente testo, non solo il testo bambino:

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

nota la doppia barra tra il p e text() lì.

Questo potenzialmente includerà anche molti spazi tra tag diversi, è necessario pulirlo. Esempio utilizzando 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']