lxml - 忽略HTML中的<br>标签

Question

我用Python和lxml写了一个小的HTML解析器，觉得挺好用的，但遇到了一些问题。

我有以下这段代码：

tags = doc.xpath('//table//tr/td[@align="right"]/b')
for tag in tags:
    print(x.text.strip())

这段代码运行得很好。但是如果在一个标签里面有一个
标签，比如这样：

<b> first-half <br>
    second-half </b>

这段代码只会把first-half打印到标签里面。

我该怎么做才能把标签里面的所有文字都提取出来，即使里面有
标签呢？

谢谢。

Answer 1

使用 text_content() 可以提取标签内所有不带格式的文本。把 x.text 替换成 x.text_content() 就可以了。