如果文本具有 ，lxml 不会获取元素中的所有文本？答案

【问题标题】：lxml doesn't get all text in element if text has ?如果文本具有 ，lxml 不会获取元素中的所有文本？
【发布时间】：2015-04-10 07:12:11
【问题描述】：

我正在使用lxml 解析网络文档，我想获取 元素中的所有文本，所以我使用如下代码：

from lxml import etree

page = etree.HTML("<html><p>test1 <br /> test2</p></html>")
print page.xpath("//p")[0].text    # this just print "test1" not "test1 <br/> test2"

问题是我想获取 中的所有文本，在示例中为test1 test2，但lxml 只需给我test1。

如何获取 元素中的所有文本？

【问题讨论】：

可能重复：Get all text inside a tag in lxml
@har07 看来我应该用text_content()，但是AttributeError: 'lxml.etree._Element' object has no attribute 'html_content'
好的，既然您尝试使用text_content()，我假设您想要没有  的文本。检查我的答案以了解一些可能的方法
"我想获取 中的所有文本，即test1 test2"。这是不正确的。实际文本内容为test1 test2。   元素是  的子元素，但它不是文本。

标签： python text lxml elementtree

【解决方案1】：

可能是这样

from lxml import etree

pag = etree.HTML("<html><p>test1 <br /> test2</p></html>")
# get all texts
print(pag.xpath("//p/text()"))

['test1', 'test2']

# concate
print("".join(pag.xpath("//p/text()")))

测试1测试2

【讨论】：

【解决方案2】：

其他几种可能的方式：

p = page.xpath("//p")[0]
print etree.tostring(p, method="text")

或使用 XPath string() 函数（注意 XPath 位置索引从 1 开始而不是 0）：

page.xpath("string(//p[1])")

【讨论】：