如何通过Xpath仅提取标签中的数字？现有代码返回含字符列表

根据你使用的Xpath版本，有两种可行的处理方式：

Xpath 1.0 环境（主流Python解析库如lxml默认使用） #

Xpath 1.0没有原生正则支持，可通过两种方式实现数字提取：

方式1：嵌套translate函数过滤非数字 #

利用translate的特性，先提取所有非数字字符，再将这些字符从原字符串中移除：

hots = html.xpath('translate(//*[@id="pl_top_realtimehot"]/table/tbody/tr/td[2]/span/text(), translate(//*[@id="pl_top_realtimehot"]/table/tbody/tr/td[2]/span/text(), "0123456789", ""), "")')[1:]

• 内层translate：把原字符串中的数字全部替换为空，得到所有非数字字符集合
• 外层translate：把原字符串中的这些非数字字符全部移除，最终只保留数字

方式2：Xpath提取后用Python过滤（更简洁易维护） #

如果觉得Xpath写法过于繁琐，更推荐先提取原始内容，再用Python代码过滤数字：

# 先获取原始列表
hots_raw = html.xpath('//*[@id="pl_top_realtimehot"]/table/tbody/tr/td[2]/span/text()')[1:]

# 方法A：遍历字符筛选数字
hots = [''.join([c for c in item if c.isdigit()]) for item in hots_raw]

# 方法B：用正则替换非数字字符
import re
hots = [re.sub(r'\D', '', item) for item in hots_raw]

Xpath 2.0+ 环境（如使用Saxon等支持高版本Xpath的解析器） #

Xpath 2.0及以上支持正则表达式，可直接用replace函数一键替换非数字内容：

hots = html.xpath('replace(//*[@id="pl_top_realtimehot"]/table/tbody/tr/td[2]/span/text(), "\D", "")')[1:]

内容的提问来源于stack exchange，提问作者XXXten6b