python - 如何用lxml提取p标签中的所有内容？

Question

共有三个xyz和两个<br>标记在以下 html 片段中。
我想解析它并提取 p 标签中的所有内容。

import lxml.html
strings = """<p> xyz <br>　
xyz <br>　xyz  </p>"""
root=lxml.html.document_fromstring(strings)
texts = root.xpath('//p')
for i,content in enumerate(texts):
    print(i,"    ",content.text)

结果不是我想要的。

0       xyz 

如何用lxml提取p标签中的所有内容？
为什么我的代码无法使用lxml提取p标签中的所有内容(三个xyz)？

Answer 1

使用 content.text_content() 而不是content.text 。

我得到这个输出:

0       xyz 　
xyz 　xyz

content.text只给你 xyz是 <p> 的直接子级的字符串。另外两个xyz :es 存储在 tail 中每个<br>元素。