lxml.etree、element.textは要素からテキスト全体を返しません

Question

xpath経由でhtmlをいくつか破棄してから、それをetreeに変換しました。これに似た何か：

<td> text1 <a> link </a> text2 </td> 

が、私はelement.textを呼んで、私はテキスト1（私は放火犯で私のクエリをチェックするときには、そこにする必要があり、要素のテキストが強調表示され、両方の前にテキストを取得しますそして

Answer 1

使用element.xpath("string()")またはlxml.etree.tostring(element, method="text") ...埋め込まれたアンカー要素の後に - 。the documentationを参照してください

Answer 2

私にlxmlのバグのように見えますが、あなたはドキュメントを読めば、設計に応じて、私はこのようにそれを解決してきました。 ：

def node_text(node): 
    if node.text: 
     result = node.text 
    else: 
     result = '' 
    for child in node: 
     if child.tail is not None: 
      result += child.tail 
    return result 

Answer 3

def get_text_recursive(node): 
    return (node.text or '') + ''.join(map(get_text_recursive, node)) + (node.tail or '') 

Answer 4

私のように怠け者かもしれない人々への公的サービスとして。上記のコードを実行することができます。

from lxml import etree 

def get_text1(node): 
    result = node.text or "" 
    for child in node: 
     if child.tail is not None: 
      result += child.tail 
    return result 

def get_text2(node): 
    return ((node.text or '') + 
      ''.join(map(get_text2, node)) + 
      (node.tail or '')) 

def get_text3(node): 
    return (node.text or "") + "".join(
     [etree.tostring(child) for child in node.iterchildren()]) 


root = etree.fromstring(u"<td> text1 <a> link </a> text2 </td>") 

print root.xpath("string()") 
print root.xpath("text()") 
print get_text1(root) 
print get_text2(root) 
print etree.tostring(root, method = "text") 
print etree.tostring(root, method = "xml") 
print get_text3(root) 

出力は次のようになります。ここでは

snowy:rpg$ python test.py 
text1 link text2 
[' text1 ', ' text2 '] 
text1 text2 
text1 link text2 
text1 link text2 
<td> text1 <a> link </a> text2 </td> 
text1 <a> link </a> text2 

Answer 5

<td> text1 <a> link </a> text2 </td> 

は、それが（空白を無視して）された方法は次のとおりです。

td.text == 'text1' 
a.text == 'link' 
a.tail == 'text2' 

あなたは、子要素内にあるテキストを使用しない場合あなたは尾だけを集めることができます：

が <td>に等しい場合

Answer 6

要素からテキストを取得するためにうまく動作しているようだもう一つは、"".join(element.itertext())

Answer 7

です。あなたは以下を行うことができます。

element.xpath('.//text()') 

それはあなたのself（ドットの意味）からすべてのテキスト要素のリストを提供します。 //はすべての要素を取り、最後にtext()がテキストを抽出する関数であることを意味します。

Answer 8

element.xpath('normalize-space()') also works.