Scrapy XPath提取失败：无法获取网页中'Mazda - 3'元素

从你提供的HTML结构来看，问题出在你可能误将目标文本定位到了<b>标签内部，但实际上"Mazda - 3"是<b>Marca e Modello:</b>标签之后的独立文本节点，并非该<b>标签的内容。

正确的XPath写法 #

这里提供两种可靠的提取方式：

方式1：通过兄弟文本节点精准提取

这种方法直接定位到目标文本所在的位置，准确性最高：

# 提取目标文本并清理空白
model = response.xpath('//blockquote/p/b[contains(text(), "Marca e Modello:")]/following-sibling::text()[1]').get()
if model:
    model = model.strip()  # 去除文本前后的空格、换行符

• 逻辑说明：先找到<blockquote>下<p>标签中包含"Marca e Modello:"的<b>元素，再获取它的第一个后续文本节点，最后用strip()清理掉多余的空白字符。

方式2：提取父节点文本后分割处理

如果页面文本结构稳定，也可以先提取整个<p>标签的所有文本内容，再通过字符串处理筛选目标：

# 获取<p>下的所有文本片段
text_fragments = response.xpath('//blockquote/p/text()').getall()
# 遍历找到目标行并提取内容
model = None
for fragment in text_fragments:
    if "Marca e Modello:" in fragment:
        model = fragment.replace("Marca e Modello:", "").strip()
        break

为什么你的XPath会返回空？ #

大概率是你写的XPath错误指向了<b>标签的内部文本，比如：

# 错误示例：只会返回"Marca e Modello:"，无法获取目标内容
//b[text()="Marca e Modello:"]/text()

或者没有意识到目标文本是<b>标签的兄弟节点而非子节点，导致XPath无法匹配到内容。

额外排查提示 #

如果以上方法仍无效，建议先检查Scrapy爬取的原始响应：

1. 打印response.text查看爬取到的HTML是否和你提供的一致（警惕页面动态渲染的情况）
2. 若页面是JavaScript动态加载内容，需要使用Scrapy-Splash或Playwright等工具渲染页面后再提取。

内容的提问来源于stack exchange，提问作者user9410050