XPath提取多<p>标签描述内容时，normalize-space仅返回首个标签问题

嘿，我来帮你解决这个提取描述文本的麻烦事儿！你遇到的问题其实挺常见的，咱一步步来捋清楚：

• 把所有

  内容整合成干净文本
  你之前用normalize-space只拿到第一个

  ，是因为直接对节点列表用这个函数时，XPath默认只会处理列表里的第一个节点。要覆盖所有

  ，得先给每个节点单独做空格清理，再拼接起来。用XPath 2.0+支持的string-join函数就能实现：

  string-join(//*[@id='description']/p/normalize-space(.), ' ')
  

  这个表达式的逻辑是：先选中所有目标

  节点，对每个节点执行normalize-space()去掉前后空格、合并中间多空格，最后用空格把所有处理后的文本拼成一段。

• 对付更乱的格式（换行、制表符啥的）
  如果内容里有一堆换行、制表符这类糟心的格式，光靠normalize-space不够，咱可以搭配translate函数先把这些乱码替换成空格，再处理：

  string-join(//*[@id='description']/p/normalize-space(translate(., '\n\t', '  ')), ' ')
  

  先把换行(\n)和制表符(\t)换成空格，再清理每个

  的空格，最后拼接，这样文本会清爽很多。

• 如果你的工具不支持XPath 2.0？用代码补位！
  要是你用的爬虫工具或库只支持XPath 1.0（比如有些旧版的解析工具），那就在代码层面处理更灵活：先把所有

  的文本捞出来，逐个清理空格，再拼接。比如用Python的lxml库：

  from lxml import etree
  import re
  
  # 先解析HTML
  tree = etree.HTML(你的HTML内容)
  # 拿到所有<p>的文本（包括嵌套标签里的内容）
  p_texts = tree.xpath("//*[@id='description']/p//text()")
  # 逐个清理空文本，合并成一段
  cleaned_text = ' '.join([text.strip() for text in p_texts if text.strip()])
  # 最后用正则干掉多余的空格
  cleaned_text = re.sub(r'\s+', ' ', cleaned_text).strip()
  

  这种方式还能处理更复杂的格式问题，比如多余的换行、特殊符号啥的，调整正则就行。

内容的提问来源于stack exchange，提问作者Melinsuna