div标签的Xpath排除span标签并返回文本

Question

我需要以下HTML代码的xpath

  <div itemtype="http://schema.org/PostalAddress" itemscope="" itemprop="jobLocation">
  <div class="aiDetailJobInfoLabel aiDetailJobInfoLocation">Location: </div>
  <div class="aiDetailJobInfo aiDetailJobInfoLocation">
     <span itemprop="addressLocality">Topeka</span>
      , KS
      <span itemprop="postalCode">66607</span>
  </div>
</div>

在此HTML代码中，我需要输出为KS，Topeka

它不应包含66607

我尝试使用此代码，但它给空了

 >>> response.xpath('//div[@itemprop="jobLocation"]/div[@class="aiDetailJobInfo aiDetailJobInfoLocation"][not(child::span[@itemprop="postalCode"])]//text()').extract()

如果我写下面的代码，它给

response.xpath（'// div [@ itemprop =“ jobLocation”] / div [@ class =“ aiDetailJobInfo aiDetailJobInfoLocation”] // text（）'）。extract（）

output: Topeka, KS, 66607

请帮帮我。

仅供参考：xpath将带有不包含邮政编码的div text（），以便返回剩余的div和span文本。 有时，该div标签中不存在postalCode。 因此，如果存在，请跳过它，如果不返回整个div标签文本。

Answer 1

在这里，我共享了2段代码。 您可以随心所欲。

尝试这个：

response.xpath('//div[@class="aiDetailJobInfo aiDetailJobInfoLocation"]//text()').re(r'[ .a-zA-Z]\w+')



response.xpath('//div[@class="aiDetailJobInfo aiDetailJobInfoLocation"]//text()').re(r'[a-zA-Z]+')


response.xpath('//div[@itemprop="jobLocation"]/div[@class="aiDetailJobInfo aiDetailJobInfoLocation"]//text()').extract()[1:3] 

Answer 2

看起来您基本上希望将目标div的所有文本节点后代（ 除了 postalCode属性下的那些后代）串联起来。 相关的文本节点集可以通过类似的XPath找到

//div[@itemprop="jobLocation"]/div[@class="aiDetailJobInfo aiDetailJobInfoLocation"]
   //text()[not(parent::span[@itemProp="postalCode"])]

如果您.extract此XPath，将获得一个字符串列表（每个文本节点一个），您可以在Python级别将它们串联在一起。