python - 在 Python 中获取 td 的完整文本 (lxml)

Question

我正在尝试获取此 td 中包含的全部文本:

示例:

<td>
 <p>Some Text</p>
 <a>SAMPLE</a>
 <table>
  <tbody>
   <tr>
    <td>something</td>
    ....
   </tr>
   ...
  </tbody>
 </table>
 ...
</td>

这个td里面有很多标签，这让我很难受。甚至连 table 也包含在内。

在 FirePath (Firefox) 中，我可以简单地附加//text()

.//*[@id='Testcases__list']/table/tbody/tr/td//text()

但是在 Python 代码中，使用 lxml 库//text() 部分会引发错误

Traceback (most recent call last):
  File "D:\pythonscripts\Bachelor\TestMain.py", line 52, in <module>
    print tr.findall('./td[6]//text()')[0].text
  File "src\lxml\lxml.etree.pyx", line 1563, in lxml.etree._Element.findall (src\lxml\lxml.etree.c:56897)
  File "C:\Python27\lib\site-packages\lxml\_elementpath.py", line 304, in findall
    return list(iterfind(elem, path, namespaces))
  File "C:\Python27\lib\site-packages\lxml\_elementpath.py", line 277, in iterfind
    selector = _build_path_iterator(path, namespaces)
  File "C:\Python27\lib\site-packages\lxml\_elementpath.py", line 260, in _build_path_iterator
    selector.append(ops[token[0]](_next, token))
KeyError: '()'

如何在 Python 中获取该 td 的全文？

Answer 1

您应该使用.xpath而不是findall:

tr.xpath("//*[@id='Testcases__list']/table/tbody/tr/td//text()")

要获取第一个 td:

 tr.xpath("(//*[@id='Testcases__list']/table/tbody/tr/td)[1]/text()")

我还会验证源代码是否确实具有 tbody 元素，通常它是由浏览器添加的，而不是在实际源代码中。

您可以text_content:

tr.xpath("(//*[@id='Testcases__list']/table/tbody/tr/td)[1]")[0].text_content()