Scrapy/XPath 从不同的标签中提取文本 (<p> OR <li>)

问题描述

我正在尝试从网站上抓取文本。有时，文本是用项目符号写的，有时只是纯文本。

项目符号中的文本 (XPath)：/article/div[@class='border-bottom-grau'][1]/ul/li[1]

纯文本文本 (XPath)：/article/div[@class='border-bottom-grau'][1]/p

我需要提取相应的文本（没有 div/ul/li/p 标签等）。这是我迄今为止尝试过的：

info_Aufgabengebiet = info.xpath(".//article/div[@class='border-bottom-grau'][1][descendant::text()]").extract()

输出：见图片Output

我还尝试了后裔或自我，最后是一个 /text()，但都没有奏效。简单地说，我想提取所有文本，无论是项目符号还是纯文本。应该只添加 Pullet 点，也许带有“;”或“，”。

非常感谢任何帮助

谢谢

解决方法

您可以将 XPath 与组合条件结合使用

"/article/div[@class='border-bottom-grau'][1]/ul/li[1] | /article/div[@class='border-bottom-grau'][1]/p"

,

另一个答案中提到的联合运算符 | 是一个很好的解决方案。或者，根据您的输出需求，您可以尝试

/article/div[@class='border-bottom-grau'][1]//*[self::p or self::li]