如何在XPath查询中排除元素？以BBC美食网站食材列表为例

嘿，我来帮你搞定这个提取食材文本的麻烦事儿！你的核心问题是要从带tooltip的食材列表项里提取干净的食材内容，而之前的XPath没过滤掉tooltip里的文本，咱们一步步来修正：

为什么你的原XPath不生效？ #

你写的//li[@class='ingredients-list__item'][not(div[@class='gf-tooltip'])]//text()有两个关键问题：

1. 筛选条件[not(div[@class='gf-tooltip'])]是在找不包含tooltip的li，但你要处理的目标li恰恰是包含这个tooltip的，所以这个条件直接把你需要的元素排除了；
2. 就算选对了li，//text()会递归取出所有子节点的文本，包括tooltip里的内容，自然会拿到不需要的tooltip文本。

正确的XPath写法 #

方法1：过滤掉tooltip祖先的文本节点 #

这个XPath会选中li下所有文本节点，但自动排除那些属于tooltip的文本：

//li[@class='ingredients-list__item']//text()[not(ancestor::div[@class='gf-tooltip'])]

用Scrapy提取后，只需要把文本片段拼接并清理一下：

# 提取文本片段
text_fragments = s.xpath("//li[@class='ingredients-list__item']//text()[not(ancestor::div[@class='gf-tooltip'])]").extract()
# 拼接并去除多余空格
clean_ingredient = ''.join(text_fragments).strip()
# 结果就是你要的：'400g new potato, halved if large'

方法2：精准选取目标文本节点 #

如果你想更精准地选取li的直接文本（比如重量、备注）和a标签里的食材名称（排除tooltip），可以用这个组合XPath：

//li[@class='ingredients-list__item']/text() | //li[@class='ingredients-list__item']/a//text()[not(ancestor::div[@class='gf-tooltip'])]

这个写法是把li的直接文本和a标签里非tooltip的文本组合起来，最终结果和方法1完全一致。

测试小技巧 #

你可以在浏览器开发者工具的Console里用$x("你的XPath表达式")来快速验证结果，比如输入上面的XPath，就能看到返回的文本片段都是你需要的内容，没有tooltip里的文字~

内容的提问来源于stack exchange，提问作者Jamie Bull