使用lxml在python中提取段落答案

【问题标题】：extracting paragraph in python using lxml使用lxml在python中提取段落
【发布时间】：2011-06-29 09:26:38
【问题描述】：

我想通过python提取html中的段落。我使用了 lxml 模块，但它并没有完全符合我的要求。

print html.parse(url).xpath('//p')[1].text_content()

<span id="midArticle_1"></span><p>Here is the First Paragraph.</p><span id="midArticle_2"></span><p>Here is the second Paragraph.</p><span id="midArticle_3"></span><p>Paragraph Three."</p>

我应该补充一点，在不同的页面中，我有不同数量的段落，所以想列出一个列表，然后将段落放入其中。

【问题讨论】：

标签： python html-parsing lxml paragraphs

【解决方案1】：

print html.parse(url).xpath('//p/text()')

输出

['Here is the First Paragraph.', 'Here is the second Paragraph.', 
 'Paragraph Three."']

【讨论】：

你能写更多关于它背后的逻辑吗？！ '//p/text()'
@user611748: text() 只选择直接文本节点。尝试在文本中添加cmets或<b>First</b>。