使用带text()的XPath获取目标文本节点的Text<_>属性配置方法咨询

问题解答 #

你说的Text<_>属性如果是指各类爬虫/解析框架里的文本选择器属性，完全可以通过配置规则获取指定的单个文本节点，下面是两种常用的实现方式：

• 优先推荐用更稳定的相对定位规则，避免写死索引导致页面结构变动后规则失效：
  • 如果你要取的是<a>标签后方带机构编号的文本(03-0179440)，可以配置XPath规则为./a/following-sibling::text()[1]
  • 如果你要取的是最后面的机构别名(UNIVERSITY OF VERMONT)，可以配置XPath规则为./div[contains(@class, "fa")]/following-sibling::text()[1]
• 如果确定页面结构不会变更，直接用你在控制台验证通过的索引定位规则也可以，直接把//tbody/tr[2]/td[2]/text()[7]配置到对应选择器的路径参数里即可

以Scrapy框架的选择器用法为例，代码参考如下：

# 直接获取指定文本节点的内容
target_content = response.xpath("//tbody/tr[2]/td[2]/text()[7]").get()

只要你配置的XPath规则最终指向的是单个目标文本节点，Text属性就只会返回该节点的内容，不会自动合并其他同级文本节点的内容。

内容的提问来源于stack exchange，提问作者Steve Gray