我正在使用Python请求模块抓取一个电子商务网站。 我在提取多个节点之间的文本时遇到了一些问题。下面的html是我试图提取文本的部分。我需要提取(div^{cl1}下的所有文本$
<div class="rte ingredients">
<p>Farina sbiancata arricchita (farina sbiancata di
<strong>grano</strong>,
ferro ridotto, vitamine B3-B1-B2-B9), zucchero,
agenti lievitanti E500ii-E541i-E341i, destrosio,
<strong>latte</strong>
scremato disidratato, olio di
<strong>soia</strong> parzialmente
idrogenato, sale,
<strong>glutine</strong> di <strong>grano</strong>,
colorante E170, estratto secco di sciroppo di granoturco, caseinati di
sodio (<strong>latte</strong>), emulsionante E471, regolatore di acidità
E270. Può contenere tracce di <strong>uova</strong>. Contiene OGM.</p>
<p>Valori nutrizionali (per 100g): energia 348Kcal, lipidi 3.3g (di cui
grassi saturi 0g), carboidrati 69.6g (di cui zuccheri 13g), proteine
10.9g, sale 2.6g.</p>
</div>
我使用下面的代码,但是得到的结果是部分的。在
^{pr2}$相反,我需要提取(DIV)标记下的所有文本。在
有人能帮我吗?谢谢!在
纯XML/XPath解决方案是将XPath更改为直接选择目标
div
的string value:这样,您的XPath应该可以移植到任何兼容的XPath库中(并且您可以将记住非标准的、特殊的访问函数(如
text_content()
)的需求降到最低。在您似乎正在使用
lxml
库。如果是这样,下面的方法应该获取完整的内容。在print语句中使用.text_content()
,而不是.text
。在相关问题 更多 >
编程相关推荐