在xpath中text()和string(.)的区别有哪些

这篇文章将为大家详细讲解有关在xpath中text()和string(.)的区别有哪些，小编觉得挺实用的，因此分享给大家做个参考，希望大家阅读完这篇文章后可以有所收获。

公司主营业务：成都网站制作、网站设计、移动网站开发等业务。帮助企业客户真正实现互联网宣传，提高企业的竞争能力。成都创新互联是一支青春激扬、勤奋敬业、活力青春激扬、勤奋敬业、活力澎湃、和谐高效的团队。公司秉承以“开放、自由、严谨、自律”为核心的企业文化，感谢他们对我们的高要求，感谢他们从不同领域给我们带来的挑战，让我们激情的团队有机会用头脑与智慧不断的给客户带来惊喜。成都创新互联推出宛城免费做网站回馈大家。

我们在进行爬虫时候，经常会遇到如下这样的页面：

你好,北京

在日常抓取的时候，遇到更多的情况是抓取中的你好，这时使用xpath("//div/em/text()")就可以提取到。

现在我们考虑下面两种抓取需求：

需求1：我们想要提取“,北京”的时候，这个时候该用text()，还是string(.)?

需求2：提取 “你好,北京”呢?

我们先使用lxml库对页面进行一下初始化(如果你用的是scrapy的xpath选择器，也可以按照以下步骤运行)：

from lxml import etree

with open('foo.html', 'r') as f:

content = f.read().encode('utf8')

page = etree.HTML(content)

这里我们先看一下需求1的解法，也就是提取“,北京”：

re = page.xpath("//div/text()")

这里re得到的是一个数组：

这是因为在页面中标签

和之间是有换行符号的，因此使用"//div/text()"后会忽略掉你好，而剩下"\n",“,北京\n”两个元素。

我们取re的第二个元素，然后去掉结尾的换行符"\n"(如果你使用的是scrapy的xpath，这里re得到的可能不是一个数组):

re = re[1].strip()

这个时候得到的re就是我们需要的",北京"了。

现在看一下第二个需求：提取"你好,北京":

这里就要求里面的文本也要提取出来了，这时候我们使用string:

re = page.xpath("//div")[0].xpath("string(.)")

这时来看下re的值(同样如果你使用的是scrapy的选择器，scrapy_selector.xpath("//div")返回的结果可能不是一个数组，不过你只要取到结果然后再使用.xpath("string(.)")即可。):

得到的一整串文本" \n 你好,北京\n "。

看来使用"string(.)"后，xpath会把里的内容也直接提取出来，而不像上面中"text()"那样把都去掉后，再分割成一个数组。这里注意使用string()时候要把string(.)放在一个xpath中，而不是写成"//div/string(.)"这样，否则会抓取不到。

然后，同样的再去除一下两边多余的空格和换行符

re = re.strip()

这个时候re得到就是”你好,北京“啦。

总结：无锡人流医院 http://www.0510bhyy.com/

通过上述的实验，我们发现xpath里面text()只会取当层节点的文本并按照当层的tag进行分割，组成列表。而string(.)会把当层节点以及当层节点以下的所有文本都提取出来，放在一个字符串变量中。

实例代码：

test.py:

# coding=utf-8

from lxml import etree

import sys

reload(sys)

sys.setdefaultencoding('utf-8')

class Test(object):

def __init__(self):

with open('foo.html', 'r') as f:

content = f.read().encode('utf8')

self.page = etree.HTML(content)

print self.page

def xpath_text(self):

re = self.page.xpath("//div/text()")

print re

re = re[1].strip()

print re

return re

def xpath_string(self):

re = self.page.xpath("//div")[0].xpath("string(.)")

print re

# 替换换行符等

re = re.strip(re)

print re

return re

if __name__ == "__main__":

t = Test()

assert t.xpath_text() == u",北京"

assert t.xpath_string() == u"你好,北京"

foo.html:

你好,北京

关于“在xpath中text()和string(.)的区别有哪些”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，使各位可以学到更多知识，如果觉得文章不错，请把它分享出去让更多的人看到。