如何使用XPath获取指定父div元素内的全部文本内容

现有写法的问题 #

你当前写的XPath dom_job.xpath('//*[@class="DraftEditorContainersc__DraftEditorContainer-sc-1x4uima-0 cGUaQf"]//text()') 不能稳定、高效地拿到你要的全部有效文本，核心缺陷有两个：

• 定位锚点不可靠：你匹配的class是前端CSS Modules编译生成的动态类名，末尾的cGUaQf这类随机哈希值会随着页面版本更新、代码重新编译发生变化，一旦前端发版，这个表达式会直接匹配不到目标节点，完全失效。
• 提取结果质量差：就算类名暂时没变动，//text()会把所有后代节点的文本都抓出来，包括HTML代码排版缩进产生的大量无意义空字符串、换行、多余空格，返回的是一堆碎片化的文本片段，你需要额外做大量清洗、拼接工作才能得到可读的完整职位描述。

正确调整方式 #

优先选稳定锚点定位（推荐） #

不要用动态样式类做定位依据，优先选带业务标记的固定属性节点，你给出的HTML结构里div[data-contents="true"]就是专门标记正文内容的容器，data-*属性是前端业务逻辑用的，不会随样式改动变化，稳定性极高。
如果用Python的lxml库解析，不用遍历零散文本节点，直接定位到这个容器后调用text_content()方法，就能一次性拿到容器内所有拼接完成的完整文本，示例代码：

# 定位稳定的正文容器
content_block = dom_job.xpath('//div[@data-contents="true"]')[0]
# 一次性提取所有内部文本，自动处理嵌套节点的文本拼接
job_description = content_block.text_content()

对应的纯XPath精准抓取有效内容节点的写法为：

//div[@data-contents="true"]//span[@data-text="true"]/text()

这个写法会直接抓取所有带data-text="true"标记的实际内容节点，不会抓到缩进产生的无效空白。

兼容外层定位的写法 #

如果你一定要从外层的DraftEditor容器开始定位，不要写全class精确匹配，用contains匹配类名里固定不变的前缀部分，避开动态哈希后缀，写法如下：

//div[contains(@class, "DraftEditorContainersc__DraftEditorContainer-sc-1x4uima-0")]//div[@data-contents="true"]

提示：所有带随机哈希后缀的class名都不适合做XPath的长期定位依据，优先找id、data-*属性、固定的文本特征、稳定的标签层级关系做定位，表达式的鲁棒性会高很多。

内容的提问来源于stack exchange，提问作者Ikki