python - 使用 xpath 从 text() 中删除某些内容的方法是什么？

Question

我正在 python 中使用 xpath 来解析 html 文件中的表。我正在使用这个 xpath :

//td//text()

这给我输出两个字符串:

['australia', '$3333.99']

我想要的输出:

['australia', '3333.99']

但是我想去掉 $ 符号，我一般如何使用 xpath 做到这一点？我已经尝试过 substring-after 但它不起作用。

这就是我尝试的方法:

//td//text()[substring-after(.,'$')]

但是我得到了这个输出:

['$3333.99']

结果中缺少澳大利亚

Answer 1

除了使用 translate() (如其他答案中发布的)，您还可以使用 substring() function并动态确定切片的开头:

In [4]: [item.xpath("substring(., starts-with(., '$') + 1)") for item in root.xpath("//td")]
Out[4]: ['australia', '3333.99']

顺便说一句，这种方法比使用 translate() 更安全，因为这里我们只删除字符串开头的单个 $ 字符，如果它存在，但 translate() 会替换您正在提取的每个 td 文本中出现的所有 $ 。您可能会遇到一些不需要的副作用。

请注意，在任何情况下，您都必须分两步完成 - 如果像这样使用，则 translate() 或 substring() 函数不会应用于每个节点translate(//td//text(), "$", "")，引用文献:

• How to apply the XPath function 'substring-after'
• Is it possible to apply normalize-space to all nodes XPath expression finds?

或者，您可以使用 Python 和 .lstrip() 来修剪它:

[item.lstrip("$") for item in root.xpath("//td//text()")]