如何在lxml中获取连接的子文本节点答案

【问题标题】：How to get concatenated child text nodes in lxml如何在lxml中获取连接的子文本节点
【发布时间】：2017-05-08 13:59:18
【问题描述】：

这是HTML 示例：

<div class="wpb_text_column">
    <div class="wpb_wrapper">
      <p style="text-align: center;"><a href="http://somepage1.com">First text part </a></p>
      <p style="text-align: center;"><a href="http://somepage2.com">Second text part </a></p>
      <p style="text-align: center;"><a href="http://somepage3.com">Third text part</a></p>
    </div> 
</div>
<div class="wpb_text_column">
    <div class="wpb_wrapper">
      <p style="text-align: center;"><a href="http://somepage4.com">First text part </a></p>
      <p style="text-align: center;"><a href="http://somepage5.com">Second text part</a></p>
    </div> 
</div>

下面的代码

tree = html.fromstring(html_sample)
tree.xpath('//div[@class="wpb_text_column"]/div[@class="wpb_wrapper"]/p/a/text()')

我可以获得文本值列表

['First text part ', 'Second text part ', 'Third text part', 'First text part ', 'Second text part']

但是，我想从每个 div 中获取所有值作为单个字符串，例如

['First text part Second text part Third text part', 'First text part Second text part']

和

//div[@class="wpb_text_column"]/div[@class="wpb_wrapper"]/normalize-space()

似乎是exact XPath to solve the problem，但lxml 不支持/normalize-space() 语法：

lxml.etree.XPathEvalError: 无效的表达式

那么如何在lxml 中得到想要的输出呢？

【问题讨论】：

lxml 解析器中似乎有一个选项可以在解析时忽略空格：stackoverflow.com/questions/3310614/…
使用tree = html.fromstring(html_sample, parser=etree.XMLParser(remove_blank_text=True)) 会出现错误lxml.etree.XMLSyntaxError: Extra content at the end of the document

标签： xpath lxml lxml.html

【解决方案1】：

使用以下代码解决：

[" ".join(string.text_content().split()) for string in tree.xpath('//div[@class="wpb_text_column"]/div[@class="wpb_wrapper"]')]

【讨论】：