Scrapy如何提取li内无class属性的文本（部分文本后含strong标签）

针对你给出的网页结构，可直接通过XPath过滤指定span节点，同时自动兼容带/不带strong标签的场景，无需单独处理strong节点，具体实现如下：

核心思路 #

提取li节点下所有后代文本，仅过滤掉父节点为orange-caret类的span的文本内容，剩下的内容自动拼接即可得到完整目标文本。

代码实现 #

def parse(self, response):
    # 定位所有目标li节点
    li_nodes = response.xpath('//div[@class="short-description"]//ul/li')
    res_text_list = []
    for li in li_nodes:
        # 过滤掉带指定class的span的文本，提取剩余所有后代文本
        text_parts = li.xpath('./descendant::text()[not(parent::span[@class="orange-caret"])]').getall()
        # 清理空白并拼接为完整文本
        clean_text = ''.join([part.strip() for part in text_parts]).strip()
        res_text_list.append(clean_text)
    
    # 输出验证，得到的结果即为你需要的全部目标文本
    print(res_text_list)

输出结果示例 #

执行上述代码后得到的结果如下：

• Diseñada para trabajar con agua limpia como pueden ser bombeos de pozos y manantiales o en sistemas de riego
• Uso industrial y agrícola
• Altura máxima: 30 m
• Flujo máximo 120 L/min
• Profundidad de inmersión máxima: 80 m

方案说明 #

该XPath写法适配你给出的所有结构场景，不需要单独判断li节点末尾是否携带strong标签，所有文本内容会自动提取拼接，稳定性高。

内容的提问来源于stack exchange，提问作者HUMBERTO VALLE