只返回段落的第一部分，直到遇到子标签？

Question

这是使用 Scrapy。

我遇到了以下类型的标记：

<p>Noting the presence of a footnote<sup>1</sup> is one common way for superscripts to be used.</p>

测试页面：
https://html.com/tags/sup/

测试查询：

response.css('div.render p::text')[0].extract()

测试项目加载器：

loader.add_css("text", "div.render p::text")

测试结果：

注意脚注的存在

预期测试：

注意脚注的存在是使用上标的一种常见方式。

问题：

如何获取段落的全文，忽略子标签？

Answer 1

我不知道scrapy是否有适当的选择器忽略嵌套的<sub>。我建议您使用re 模块来忽略孩子。顺便说一句，从长远来看，这不是一个解决方案。您不应该使用正则表达式解析 HTML。欲了解更多信息，请查看此线程RegEx match open tags except XHTML self-contained tags

试试这个：

import re
def parse(self,response):
    extracted_p_tag=response.css('div.render p').get()
    ignored_sup=re.sub('<sup>(.*)</sup>','',extracted_p_tag)