使用XPath text()函数提取页面价格时遇到的异常问题

问题原因 #

你遇到的情况是因为实际页面DOM中，目标<span>元素下存在多个文本节点——虽然你提供的静态HTML代码里只显示了$30.00，但页面渲染时可能生成了额外的空白文本节点（比如换行、空格）或脚本插入的隐藏文本，导致使用text()时返回两个节点，其中第一个是无效的隐藏/空白内容，第二个才是可见的目标价格。

解决方案 #

以下几种方法可以精准提取目标价格：

1. 直接定位第二个文本节点
   使用索引指定选择第二个文本节点，XPath表达式如下：

   //*[@id="module_product_price_1"]/div/div/span/text()[2]
   

2. 提取元素的合并文本内容
   不要直接选择文本节点，先定位到<span>元素，再通过元素的文本属性获取内容——这种方式会自动合并该元素下所有文本节点，并过滤掉无效的空白内容：

   • JavaScript实现：

     document.querySelector('#module_product_price_1 div div span').textContent.trim()
     

   • Python（Scrapy/lxml）实现：

     response.xpath('//*[@id="module_product_price_1"]/div/div/span').get().strip()
     

3. 过滤非空文本节点
   使用normalize-space()函数过滤掉空白的文本节点，只保留有效内容：

   //*[@id="module_product_price_1"]/div/div/span/text()[normalize-space() != '']
   

内容的提问来源于stack exchange，提问作者Raisul Islam