如何通过XPath提取div中不含链接的纯文本？

要提取这个div里不含链接的文本内容，用XPath完全可以做到，核心思路就是只选择div元素下的直接文本节点，忽略子元素（也就是那个a标签）的内容。

给你两种常用的实现方式：

• 第一种：直接选中div下的所有文本节点
  用这个XPath表达式：//div[@id='mydiv']/text()
  这个表达式会返回div里所有不属于子元素的文本片段（也就是some text 和la la la这两段），你只需要把这些片段拼接起来，再处理掉多余的空格就行。比如在Python的lxml库中，可以这么写：

  from lxml import etree
  html = """<div id="mydiv"> some text <a href="#">super link</a> la la la </div>"""
  tree = etree.HTML(html)
  text_parts = tree.xpath("//div[@id='mydiv']/text()")
  result = ''.join(text_parts).strip()
  print(result)  # 输出：some text la la la
  

• 第二种：用XPath自带的函数直接合并并规范化文本
  如果想一步到位处理空格，可以用string-join和normalize-space组合：

  normalize-space(string-join(//div[@id='mydiv']/text(), ' '))
  

  这个表达式会先把所有文本片段用空格连接，再自动去掉首尾空格和中间的多余空格，直接得到整洁的some text la la la。

简单来说，XPath支持精准选择元素的子文本节点，完全能满足你提取不含链接文本的需求～

内容的提问来源于stack exchange，提问作者Eugene Chefranov