如何只用一个 xpath 获得这个值？答案

【问题标题】：How to get this value with only one xpath?如何只用一个 xpath 获得这个值？
【发布时间】：2020-06-21 10:21:10
【问题描述】：

我想要一个 XPATH，它能够在所有情况下选择日期和时间（例如 2020 年 6 月 19 日晚上 08:59）：

<span class="post_date"><span title="June 21, 2020 at 08:18 AM" currentmouseover="12">1 hour ago</span> <span class="post_edit" id="edited_by_2462600"> </span></span>

<span class="post_date" currentmouseover="62">June 19, 2020 at 08:56 PM <span class="post_edit" id="edited_by_2454907"> </span></span>

<span class="post_date" currentmouseover="157"><span title="June 20, 2020" currentmouseover="168">Yesterday</span> at 10:41 AM <span class="post_edit" id="edited_by_2457722"> </span></span>

我可以使用//*[@class="post_date"]/text() 轻松获得第二个，但是有没有办法获得另外两个并在所有情况下都有 1 个 xpath？还是我最好为此编写一个函数？

谢谢

【问题讨论】：

标签： xpath scrapy web-crawler

【解决方案1】：

使用 XPath 表达式用一个表达式选择所有日期：

(//@title|//text())[contains(.,", ") or contains(.," at ")]

输出：4 个节点

编辑：如果您需要更强大的东西（假设所有消息都是在 2000 年之后发布的）。

//span[@class='post_date']/span[contains(@title,', 20')]/@title|//span/text()[contains(.,' at ') and contains (.,':')][ancestor::*[1][self::span][@class='post_date']]

或者：

(//span[@class='post_date']/span[@title]/@title|//span/text()[ancestor::*[1][self::span][@class='post_date']])[contains(.,', 20') or contains(.,' at ')]

输出：4 个节点

【讨论】：

谢谢，有效的 xpath，但不幸的是，它会抓取很多不需要的东西，其他短语包含“，”或“post_date=r.xpath('(.//@title|.//text())[contains(.,", 2") or contains(.," at ")]').get()”这样就很接近了，除了它错过了第三种情况的时间是只有当文本包含“ at”时，才有办法删除标题和文本？
好的。使用 2 个更强大的 XPath 表达式编辑帖子。